基于扩散模型的对比学习去偏智能推荐方法

本发明提出了一种基于扩散模型的对比学习去偏智能推荐方法，包括：S1，从用户物品的交互图中提取到偏见物品特征，物品流行度特征和物品语义特征，将个体与邻居节点的偏见物品特征，物品流行度特征和物品语义特征进行结合，再采用超图卷积对用户和物品的表示进行编码，得到编码后的嵌入；S2，将编码后的嵌入输入扩散模型，扩散模型输出不同嵌入的最终输出；然后将所述不同嵌入的最终输出进行聚合操作，得到用户物品交互嵌入表示；然后基于所述用户物品交互嵌入表示计算用户推荐交互物品的评分，将评分降序排列生成相关候选物品的推荐列表。本发明方法不仅能够捕捉多边复杂关系，而且通过引入扩散模型，在图卷积神经网络中增加了更多的随机性和多样性。