基于社会图谱、知识图谱与时间衰减机制融合增强的图神经网络推荐方法

基于社会图谱、知识图谱与时间衰减机制融合增强的图神经网络推荐方法，包括：节点编码，初始嵌入层致力于编码用户、项目和实体节点，通过对用户、项目和实体的属性信息进行预处理并应用嵌入技术，将这些属性转换为高维空间中的向量表示；特征融合，融合来自不同来源的特征以增强模型的表征能力；传播迭代，通过图神经网络的多层结构，实现信息的有效传播和迭代更新；在每一层中，节点的表示将根据其邻居节点的信息进行更新，通过多轮迭代，使得每个节点能够间接获取并融合更广泛的网络信息；拼接合成，将经过多轮迭代更新后的节点表示进行整合拼接，形成全面的特征表示；评分预测与优化，通过用户和项目嵌入的内积来预测匹配得分；采用贝叶斯个性化排名BPR损失函数进行参数优化，涵盖嵌入和卷积权值；考虑到用户兴趣随时间变化，引入时间衰减函数提高近期评级的权重，并通过时间加权评级计算均方误差MSE损失；最终损失函数结合BPR损失和时间加权MSE损失，以优化模型性能。