一种基于用户隐式层次化兴趣的推荐方法

本发明公开了一种基于用户隐式层次化兴趣的推荐方法。现有的基于图的推荐大部分是在传统的欧氏空间进行图学习，但是当从图中学习层次化结构时，欧氏空间的网格特性会引入严重的结构失真。与欧氏几何相比，双曲几何适用于建模潜在的非欧氏拓扑的数据。本发明提出了一种基于用户隐式层次化兴趣的推荐方法，首先利用双曲图神经网络挖掘交互图中用户的隐式层次化兴趣，并设计自蒸馏损失将层次化兴趣嵌入到欧氏表征学习中提高模型推理效率。通过在多个数据集上的实验结果验证了该方法的有效性和推理效率。针对上述方法，我们利用公开数据集分别进行训练、测试以优化模型的性能，验证该方法的有效性。