一种基于自监督学习的类别增强方法

本发明涉及用户推荐技术领域，尤其涉及一种基于自监督学习的类别增强方法。其包括：步骤S1、获取可学习的初始用户嵌入向量和初始项目嵌入向量，所述初始用户嵌入向量和初始项目嵌入向量使用类别信息进行更新；步骤S2、将所述用户‑项目交互图输入到预先训练过的图神经网络中的邻域聚合模块进行处理；步骤S3、获得最终的用户表示向量和项目表示向量；步骤S4、内积表示用户u对项目i的预测得分。本发明旨在通过利用类别信息和自监督学习的方法，提高模型对于长尾项目的识别和推荐能力，以克服数据稀疏所带来的挑战，还使用一种多任务训练策略，同时优化主推荐任务和辅助的对比学习任务。提升了用户和物品表示的质量。