一种基于HGCN与多粒度霍克斯过程的服务推荐方法

本发明涉及数据挖掘和推荐系统领域，具体是一种基于HGCN与多粒度霍克斯过程的服务推荐方法，包括以下步骤：输入用户的历史服务交互数据；读取用户的历史服务交互数据，将每个用户的历史服务交互数据按照交互的时间进行先后排序，得到每个用户的服务交互序列；构建用户服务交互超图，通过超图卷积得到用户交互的节点特征矩阵，并通过用户偏好聚合获取用户交互的偏好；通过多粒度的霍克斯模型，利用感知服务间隔的注意力机制学习用户在不同时间粒度下的周期性行为模式；模型训练与服务推荐。本发明有效解决了传统推荐方法在处理复杂用户行为模式和多时间尺度下的周期性变化时的不足，能够更精确地理解用户在不同时间段的需求和兴趣变化。