推荐商品的方法及计算机程序产品和计算设备

本申请提供一种推荐商品的方法及计算机程序产品和计算设备，所述方法包括：获取用户在网购平台的网购数据；根据所述网购数据构建相应的知识图谱，所述知识图谱包括用户、商品、商品属性、用户对商品的评分；利用扩散模型生成所述知识图谱的增强视图；对所述知识图谱应用多级对比学习，从而优化所述知识图谱的嵌入质量，所述多级对比学习包括用户级对比学习、实体级对比学习、用户‑商品级对比学习；采用联合训练范式优化推荐任务模型和多级对比学习任务模型，在所述联合训练范式下推荐任务损失结合有个性化排名损失和多级对比学习损失。根据本申请的技术方案能够解决现有的推荐系统算法的冷启动问题，还能够处理噪声数据并提升推荐准确性。