一种基于偏好与距离图神经网络的社交推荐方法

本发明公开了一种基于偏好与距离图神经网络的社交推荐方法，属于社会化推荐领域，具体步骤如下：输入用户的社交信息和用户的特征信息；预处理数据得到每个用户的初始嵌入向量和初始嵌入邻接矩阵；划分用户的社交偏好子图和用户的社交距离子图；分别计算用户的社交偏好权重和用户的社交距离权重；构建用户的社交偏好嵌入向量和社交距离嵌入向量并使用MLP模型更新构建的社交偏好嵌入向量和社交距离嵌入向量；引入注意力机制自适应的分配权重进行特征融合，得到用户社交特征最终嵌入表示；最后计算出各用户的社交对象推荐得分。本发明充分考虑到用户的社交偏好和社交距离，并通过个性化的损失函数优化模型参数，能够更加精确的为社交用户推荐社交对象，有效提升社交推荐的精度。