摘要
本发明提出了一种融合角度距离和鲁棒尺度度量学习的推荐方法,包括以下步骤:将数据转化为样本点,并将样本点采用三元组(u,i,j)表示;所述数据包括用户ID、物品ID和喜好信息;接着,采用提出的带权用户流行度采样法对三元组进行预处理,从而得到一个正负样本平衡的三元组;利用处理好的三元组数据构建用户‑物品交互图,其中用户和物品作为图中的节点,而正样本和负样本则通过交互行为作为连接它们的边;然后计算经过预处理的三元组之间的角度距离,进行度量学习,学习图中节点之间的相似性;并采用三元铰链损失函数进行度量学习的优化。本发明弥补了现有方法在处理用户偏好差异时的不足,为推荐系统提供更为精细和准确的方法。