一种基于图神经网络的社交推荐方法

本发明提出了一种基于图神经网络的社交推荐方法，属于机器学习领域中的推荐系统领域。通过构建包含用户‑用户(社交关系)、用户‑项目(交互数据)和项目‑项目(语义依赖)的异构图结构，并利用LightGCN进行多层消息传递与信息融合，结合自门控机制初始化嵌入。为了实现个性化知识迁移/异构特征融合，本发明设计了元网络提取用户/项目的元知识并生成个性化转换矩阵，同时引入对比学习机制，通过最大化正样本对之间的相似度并最小化负样本对之间的距离来优化模型。最后使用跨视图自适应去噪，过滤掉不同用户之间关于他们对无偏见自我监督的交互偏好的嘈杂的社会影响。实验结果表明，该方法在多个公开数据集(如Ciao、Epinions、Yelp)上的HR和NDCG等关键评价指标上均有一定提升，验证了其在提高推荐系统鲁棒性和准确性方面的有效性。