一种基于超图结构熵预训练的数据推荐方法

本发明公开一种基于超图结构熵预训练的数据推荐方法，包括步骤：预处理采集数据；构建文本图；对齐跨图中的节点和边；多通道层，挖掘单词对之间的不同依赖特征；联合训练，组合主任务和优化跨图；构造初始超图，进行预训练，利用优化的超图神经网络层来学习不同超图中的项目或用户节点嵌入，从辅助任务和主要任务中获取先验知识，为下游推荐模型构建用户或项目嵌入；通过超图结构熵和超图池化共同优化超图神经网络层，通过从超图结构学习和全局信息捕获的视角来实现；根据不同的任务类型进行预训练优化，输出推荐结果。本发明通过减少信息过载、增强社区传播过程以及改善节点嵌入，降低推荐中数据扩散压力，减少用户在决策和交易的成本。