一种基于对齐和均匀性的图去噪协同过滤推荐方法

本发明公开了一种基于对齐和均匀性的图去噪协同过滤推荐方法。该方法主要包括如下步骤：首先，在用户‑物品交互图上，预训练LightGCN模型获取用户/物品嵌入表征；其次，根据预训练的用户/物品嵌入内积选取高相似度用户/物品来重构用户‑物品交互图；接着，基于重构的用户‑物品交互图，利用LightGCN学习包含高阶协同信号的用户/物品表征；然后，计算对齐损失和均匀损失，构建图去噪协同过滤模型的目标函数，并使用Adam优化器学习模型参数；最后，使用学习到的用户/物品嵌入表征的内积作为预测评分，根据预测评分进行个性化推荐。本方法在传统的图协同过滤算法中集成了基于对齐和均匀性的图去噪模块，该模块不仅利用对齐和均匀性操作缓解特征坍缩问题，而且采用图去噪操作消除原始交互图中的噪音干扰，提升了推荐性能。