基于深度学习的异构环境下可信O2O服务推荐方法

本发明公开了一种基于深度学习的异构环境下可信O2O服务推荐方法，S1.采集来自多个渠道的异构环境下O2O服务数据，形成统一数据矩阵模型；S2.基于所述统一数据矩阵模型构建图结构数据模型，生成初始关系图；S3.获得图卷积节点嵌入表示；S4.根据所述图卷积节点嵌入表示构建推荐模型，并形成推荐候选集；S5.利用鲸鱼优化算法对所述推荐模型的关键超参数进行全局搜索和优化调节；S6.生成基于实时状态的个性化O2O服务推荐结果。本发明能够自适应调整不同节点之间的信息传播范围，使得模型在处理长距离依赖关系时更加精准，同时在数据稀疏的情况下仍能保持较好的推荐效果。