一种基于双向协同增强的商品推荐方法

本发明属于商品推荐技术领域，具体涉及一种基于双向协同增强的商品推荐方法；该方法包括：根据商品信息和用户信息构建原始图；采用高阶残差传播机制对原始图进行处理，得到增强属性矩阵；根据增强属性矩阵构建节点‑属性二部图；采用改进PPR算法对节点‑属性二部图进行处理，得到每个信息节点的PPR得分；根据信息节点的PPR得分和原始图构造两个增强图；采用双通道GNN模型分别对原始图和增强图进行处理，得到原始预测分类结果和两个增强预测分类结果；计算模型总损失并调整GNN模型参数，得到训练好的商品推荐模型；本发明通过双通道图神经网络模型以及高效的一致性与对齐训练机制，提高了图神经网络对节点的表示学习质量，进而了提高推荐结果的准确性。