基于混合专家与动态图神经网络的抗数据偏移推荐方法

本发明公开了一种基于混合专家与动态图神经网络的抗数据偏移推荐方法，属于智能推荐系统技术领域，所述动态图神经网络包含用户画像编码器和专家混合解码器；包括如下步骤：步骤1、从社交平台采集用户的多源数据并融合，构建综合特征；步骤2、构建基于变分推断的用户画像编码器进行动态编码，生成原始的潜在表示；步骤3、构建干预网络用于将原始的潜在表示外推为多个干预后的潜在表示的混合；步骤4、构建专家混合解码器，对原始的潜在表示和干预后的潜在表示进行解码和聚合，以生成最终的推荐结果；步骤5、设计复合训练目标和双层优化策略。本发明能够在数据分布显著偏移的情况下仍保持较高的准确率与稳定性，显著提升用户体验与平台活跃度。