一种基于少量重叠用户的跨域推荐方法及系统

摘要

本发明提供了基于少量重叠用户的跨域推荐方法及系统，其中方法包括：根据多个相关领域的源数据得到第一序列数据并构建多个第一单域图；根据第一单域图中的标签信息计算跨域节点间的语义相似度，将语义相似度大于预设阈值的节点间的连边关系添加至第一序列数据得到第二序列数据；在第一单域图中增加标签节点得到第二单域图，根据第二序列数据构建公共图；根据注意力机制分别学习第二单域图和公共图得到域内特征和域间特征；进行信息融合得到用户特征和物品特征并生成推荐列表。本发明基于少量重叠用户，利用语义层信息扩充连接关系，利用注意力聚合机制对图特征进行学习，能综合多个领域知识进行目标域推荐，解决了推荐的数据稀疏和冷启动问题。