一种基于自循环迭代融合异构辅助信息的多模态推荐方法

一种基于自循环迭代融合异构辅助信息的多模态推荐方法，包括以下步骤：构建由用户与物品交互图、语义物品图和物品知识图谱组成的异构图结构，通过图神经网络分别从异构图结构中提取异构物品表征，经注意力机制加权融合生成统一物品表征；利用前一训练周期的物品表征作为反馈信号，动态构建物品‑物品关联图并以自循环方式注入异构图，实现异构图结构的迭代优化；引入语义一致性学习策略，通过跨模态对齐损失和模态内降噪损失，将异构物品表征映射至共享语义空间；基于贝叶斯个性化排名损失函数、语义一致性损失函数及正则化项构建总损失函数，反向传播更新模型参数；生成物品推荐结果；本发明具有显著提升推荐系统准确性和鲁棒性的技术效果。