基于自适应聚合邻居图的冷启动推荐方法及系统

本发明涉及推荐系统技术领域，尤其涉及一种基于自适应聚合邻居图的冷启动推荐方法及系统，首先采用SENet来学习二阶特征交互的相对重要性，随后通过MLP网络获取用户/物品的高阶属性特征表示，得到用户/物品的属性特征向量；再利用扩展的变分自编码器从用户/物品属性特征中重构缺失的用户偏好/物品特性；然后采用属性图注意力网络分别聚合用户/物品的邻居信息以及邻居间的交互信息，得到用户/物品的最终向量表示；最后通过MLP和内积引入用户和物品特征之间的非线性交互，得到用户对物品的评分。本发明旨在利用图结构充分挖掘用户/物品之间的复杂关系，以实现在冷启动环境下更为准确的推荐。