1.一种融合角度距离和鲁棒尺度度量学习的推荐方法，其特征在于，包括以下步骤：将数据转化为样本点，并将样本点采用三元组(u,i,j)表示；所述数据包括用户ID、物品ID和喜好信息，所述喜好信息包括点击信息、购买信息、评分信息之一或者任意组合；u为锚点样本，表示用户u；i为正样本，表示对于用户u喜欢的物品；j为负样本，表示对于用户u不喜欢或者未曝光的物品；

采用提出的带权用户流行度采样法对三元组进行预处理，从而得到一个正负样本平衡的三元组；利用处理好的三元组数据构建用户-物品交互图，其中用户和物品作为图中的节点，而正样本和负样本则通过交互行为作为连接它们的边；

带权用户流行度采样法包括以下步骤：(1)为了确保在充分挖掘偏好丰富的用户，计算用户u其中，p(u

p(u

Interaction(uInteraction(uK表示一共有K个用户；

u

v

(2)根据被采样的用户，继续分别对正样本和负样本进行流行度采样：其中，p(v

p(v

Interaction(uInteraction(uK表示一共有K个用户；

v

u

计算经过预处理的三元组之间的角度距离，进行度量学习，学习图中节点之间的相似性；并采用三元铰链损失函数进行度量学习的优化，实现物品推荐；

损失函数为

其中，

η、λ是两个超参数，可以加权成对损失与规模不变损失之间的重要性。

2.根据权利要求1所述的一种融合角度距离和鲁棒尺度度量学习的推荐方法，其特征在于，θ表示一个权重参数，用以平衡模型在不同类型交互下的表现；

q

v

v

(u,i,j)表示三元组关系信息；

3.根据权利要求1所述的一种融合角度距离和鲁棒尺度度量学习的推荐方法，其特征在于，其中，(u,i,j)表示三元组关系信息；

·T为转置符号；

q

v

v

N表示数据集中的总样本数目。

4.根据权利要求1所述的一种融合角度距离和鲁棒尺度度量学习的推荐方法，其特征在于，所述物品还可以为项目、服务、内容。

5.根据权利要求1所述的一种融合角度距离和鲁棒尺度度量学习的推荐方法，其特征在于，还包括：将融合角度距离和鲁棒尺度度量学习的推荐方法与图对比学习相结合，图对比学习通过比较节点与其邻居节点之间的相似性来学习节点的表示，利用节点之间的关系和共现模式来衡量相似性，从而更好地捕捉用户和物品之间的潜在关联。