基于图神经网络和强化学习的多样化推荐方法

本发明公开一种基于图神经网络和强化学习的多样化推荐方法，包括；对收集的包含用户及事物的数据预处理，构成数据集，将数据集划分为训练集、测试集及验证集：通过嵌入层的查找表将训练集的数据中用户与事物映射到密集的向量空间，通过设施选址方法，从嵌入层嵌入的向量表示中迭代筛选相依度最高的事物，构建每个用户的多样化的邻域子集；在构建的邻域子集的基础上，利用A3C算法进行二次邻居选择，通过用户与环境的持续交互，动态地调整推荐策略，捕捉和适应用户兴趣的变化，进行邻居的二次选择；将二次邻居选择模块的选择结果输入图神经网络模型处理，对模型训练；利用验证集对训练后的模型验证，通过测试集进行模型性能评估。本发明能提升推荐的多样性和适应性。