一种基于引导扩散模型增强的图编码器的推荐方法

本发明公开了一种基于引导扩散模型增强的图编码器的推荐方法，具体步骤包括：S1、初始化用户‑物品交互邻接矩阵及归一化处理，生成拉普拉斯矩阵；S2、自适应地为每个点击行为计算掩码概率，生成部分可见的掩码二部图，作为模型训练过程中的掩码图编码器输入，从结构层面增强监督信号；S3、利用掩码图编码器生成用户和物品的表征，通过加入有向噪声并引入协同信号引导的扩散模型进行去噪处理，从语义层面增强监督信号。S4、使用图编码器生成用户和物品表征，优化表征的语义信息，最终为每位用户预测可能点击的物品。本发明通过结合结构与语义双重增强策略，显著提升了推荐系统的准确率与召回率，同时提高了系统对噪声信息的鲁棒性。