一种基于双重上下文感知的推荐系统负采样方法

本发明公开了一种基于双重上下文感知的推荐系统负采样方法，属于负采样技术领域，包括准备训练集、编码器和超参数；对训练集数据进行采样，将正样本和历史交互序列融合得到增强后的正样本；将负样本的嵌入做点积，从候选集中取最大点积时的项目做临界点；计算边界点和增强后的正样本的权重矩阵，融合得到最终的困难负样本；对编码器是否基于图神经网络进行判断，若是则把每一层输出的困难负样本再进行合成，若不是直接跳过多跳池化模块，嵌入下面步骤8计算损失函数的步骤；计算损失函数，根据损失更新编码器，直至迭代训练次数达到设置的次数或模型性能表现稳定。本发明可提升训练过程中样本的有效性，进而增强深度学习模型的判别能力与推荐精度。