一种基于知识图谱和社交图谱融合增强的图神经网络推荐方法

一种基于知识图谱和社交图谱融合增强的图神经网络推荐方法，包括：1)初始嵌入层致力于编码用户、项目和实体节点，将这些属性转换为高维空间中的向量表示；2)融合来自不同来源的特征以增强模型的表征能力；3)通过图神经网络的多层结构，实现信息的有效传播和迭代更新；4)将经过多轮迭代更新后的节点表示进行整合拼接，形成全面的特征表示；5)通过动态调整社交图谱和知识图谱之间的权重比例，确保模型能够根据不同情景灵活调整，以达到最佳的推荐效果；6)用户和项目嵌入的点积作为最终评分，利用BPR损失函数，利用矩阵分解和用户‑项目评分矩阵，通过贝叶斯最大后验概率进行优化。本发明在社交推荐与知识驱动推荐之间实现了高效平衡。