一种基于子图推理的可解释推荐算法

本发明公开了一种基于子图推理的可解释推荐算法，包括以下步骤：首先，对基于知识图谱的可解释推荐问题进行定义；然后从异构知识图谱中提取节点的嵌入用于下游任务；从知识图谱中抽取能表示用户兴趣的用户子图；设定行为克隆损失函数，指导用户子图生成；设定子图编码器，从子图获取能表示用户兴趣的嵌入；计算推荐分数，对用户兴趣与产品进行建模；设定推荐损失函数，最大化模型的推荐效果；最后输出推荐分数最高的产品集合，输出对应的子图作为推荐解释。本发明采用上述的一种基于子图推理的可解释推荐算法，利用子图结构来增强推荐系统的准确性和可解释性，并且通过对子图内不同路径之间的相互关系的建模，可以更全面捕捉用户偏好和产品特性。