一种自适应数据增强的图协同过滤推荐方法

本申请涉及机器学习技术领域，特别是涉及一种自适应数据增强的图协同过滤推荐方法。所述方法，包括：基于用户‑项目的原始二部图，使用GCN生成用户‑项目的原始二部图的嵌入表示，并进行偏好预测；基于用户‑项目的原始二部图和噪声度量函数，执行边缘丢弃分别得到噪声缓解视图和噪声感知视图，并使用GCN分别得到噪声缓解视图的嵌入表示和噪声感知视图的嵌入表示；基于用户‑项目的原始二部图的嵌入表示、噪声缓解视图的嵌入表示和噪声感知视图的嵌入表示，进行对比学习；基于偏好预测的推荐损失函数和对比学习损失函数，训练生成自适应数据增强的协同过滤推荐模型。本申请的图协同过滤推荐方法，能够过滤噪声数据，同时避免过拟合。