一种基于标签的异质图推荐算法

摘要

本发明公开一种基于标签的异质图推荐算法。包括以下步骤：(1)：构建异质图：构建用户‑物品、用户‑标签、物品‑标签三种异质关系图；(2)：初始化：为图中每个节点关联一个嵌入表示，并进行初始化；将嵌入表示划分为多个分离的块，每个块对应一种属性；(3)：异质图解耦层；步骤(4)：高阶信息传播：将异质图解耦层堆叠L层，上一层的输出作为下一层的输入；步骤(5)：模型训练：使用BPR方法进行模型训练；步骤(6)：模型测试。本发明充分挖掘标签信息，减轻稀疏性，同时结合信息传播和邻域路由机制自动识别多属性问题，解耦用户的多种偏好和物品的多重特征，从而为模型提供可解释性，提高推荐模型的性能。