一种基于四元数的图神经网络社交推荐方法

本发明涉及人工智能领域中推荐系统方向，公开了一种基于四元数的图神经网络社交推荐方法。本发明主要包括四个部分：四元数嵌入、用户偏好获取、用户显式与隐式社交关系融合和评分预测。首先，通过四元数嵌入将用户信息、物品信息和用户‑物品交互信息表示在同一空间中，利用四元数空间中Hamilton积的不对称性质和权值共享机制，整合学习到的用户和物品信息。其次，在四元数空间中利用Hamilton积的不可交换性计算旋转用户嵌入和旋转物品嵌入，通过注意力机制获取更准确的用户偏好表示，区分用户社交关系。然后，通过连接四元数中对应的实部和虚部对社交关系中不同对象之间的联系建模。利用聚合函数对用户的显式和隐式社交关系融合。最后，将用户偏好与用户社交关系相结合，进行评分预测，并且为用户生成推荐列表。本方法能够有效缓解推荐模型训练时的高度参数化问题，丰富模型的表示能力，提高推荐结果的准确性。