1.一种应用于推荐系统的基于对比学习的增强图卷积网络推荐方法,其特征在于,包括如下步骤:步骤一:根据用户-项目的历史交互行为的数据,提取出用户-项目相关初始交互矩阵;额外增强初始交互矩阵,生成与初始交互矩阵的对照矩阵,并初始化用户和项目的权重矩阵;具体包括:(1)初始化用户-项目的权重矩阵,使用标准差为 0.1 的正态分布进行初始化,其公式为:(1)
(2)获取一个初始的稀疏图,每个用户和项目都是一个顶点,表示为:(2)
式(2)中,表示用户与项目的交互矩阵;
(3)最终的稀疏图,表示为:(3)
式(3)中,是度矩阵;
初始的嵌入和分别表示为:
(4)
(5)
步骤二:将上述的对照矩阵和权重矩阵经过多层图卷积的递归传播,获取交互信息的深层特性,为用户和项目生成更丰富的嵌入表示;再结合对比学习的思想,将两组用于对比的嵌入矩阵进行融合,生成最终的用户嵌入和项目嵌入;具体包括:(1)多层图卷积的递归传播过程,等价为:(6)
(7)
式(6)、(7)中,为执行图卷积的次数;
(2)利用对比学习的思想,得到两组经过多层图卷积递归传播的嵌入矩阵和,分别表示为:(8)
(9)
(3)将两组对比的嵌入矩阵聚合,得到用于模型预测的最终嵌入矩阵为:(10)
步骤三:通过用户嵌入和项目嵌入的内积计算用户对项目的偏好程度,并结合协同过滤算法生成推荐结果;具体包括:(1)进行内积来估计用户对目标项目的偏好:(11)
式(11)中,和为用户嵌入和项目嵌入,从最终嵌入矩阵中获得;
(2)得到用户对所有项目的评分,取前N个最大的评分生成Top-N推荐结果。
2.实现如权利要求1所述推荐方法的推荐系统,其特征在于,包括数据初始化模块、消息传递模块、对比聚合模块以及预测推荐模块,其中:所述数据初始化模块实现:
获取用户-项目历史交互行为数据,并初始化权重;
所述消息传递模块实现:
将初始化后的权重矩阵与构造的用户-项目交互矩阵,经过多层图卷积的消息传递,生成更深层的嵌入矩阵;
所述对比聚合模块实现:
对构造的对比数据进行聚合,生成最终的交互信息;
所述预测推荐模块实现:
提取最终的交互信息,分别生成用户和项目的深层嵌入表示;通过用户和项目的嵌入表示进行内积运算,预测用户对项目的偏好得分。