一种融合区域负采样和图对比学习的推荐方法

本发明公开了一种融合区域负采样和图对比学习的推荐方法，包括：S1：构建数据集，将数据集的二部图处理为归一化邻接矩阵；S2：构建推荐网络模型，将S1中的归一化邻接矩阵导入到推荐网络模型进行邻域信息聚合，获得主视图的节点嵌入并进行区域负采样，构建损失函数进行计算；S3：对归一化邻接矩阵进行随机奇异值分解操作得到增强视图，获得增强视图的节点嵌入，构建对比学习损失函数；S4：构建总损失函数进行联合训练，最小化总损失函数的损失优化推荐网络模型的参数。本发明将对比学习与图神经网络相结合，充分利用了两者的优势，使得推荐系统能够更好地理解用户和物品之间的关系，从而提高推荐的准确性和个性化程度。