一种基于对比学习和图注意力网络的商品推荐方法

摘要

本发明具体涉及一种基于对比学习和图注意力网络的商品推荐方法。本发明包括以下步骤：S1、数据预处理，采用gowalla数据集作为原始数据集，将数据集中的用户与物品数据以及交互数据进行预处理；S2、模型训练，通过编码用户的历史行为数据学习用户的长期偏好，通过用户‑商品二分图获得用户行为的短期预测；S3、对比损失，使用infoNCE损失函数对比损失来衡量正样本和负样本之间的相似性，最大化同质性，最小化异质性，并且进行反向传播；S4、预测，在得到最终长期偏好嵌入表示和短期预测嵌入表示后，通过将两个嵌入向量进行相加，输入MLP层，最终通过SoftMax得到最终的预测结果；S5、通过计算召回率Recall以及归一化折损累计增益NDCG来评估该模型的性能与表现。