基于元学习和特征增强的公平性推荐方法

本发明公开了基于元学习和特征增强的公平性推荐方法，该方法分别对用户特征和项目特征采用图神经网络和高斯混合模型进行特征提取；然后利用MLP网络生成最后的预测值；通过元学习MAML模型来对整个模型进行训练；最后从个体公平性和群体公平性两个角度对推荐系统公平性进行优化。本发明将推荐中的用户的嵌入表示进行融合增强，和项目嵌入表示分别建模、学习和提取特征，在传统推荐方法上有效地融合了用户交互信息，捕捉用户细粒度的兴趣偏好，提升推荐效果，同时保证推荐系统对用户的公平。