一种基于方面-评论层次化对比学习的评论推荐方法

本发明公开了一种基于方面‑评论层次化对比学习的评论推荐方法，其步骤包括：1.数据采集与预处理；2.多方位方面特征提取，从评论信息中挖掘出更加细粒度的偏好特征;3.图卷积层，对评论与方面信息集成训练得到更加准确的用户物品偏好表示；4.构建对比学习层，生成去噪视图用于对比学习，减少噪声对信息传播的负面影响，同时缓解数据稀疏性提升推荐性能；5.构建损失函数；6.对层次化图神经网络模型进行训练。本发明在处理评论文本数据的推荐任务时，能通过层次化的图学习模式和对比学习增强用户和项目的表示，从而能有效提高推荐的准确性。