1.一种基于神经注意力自编码器的个性化推荐方法，其特征在于，包括：利用自编码器编码用户对项目的二元评分，生成所述项目的评分特征表示；

通过词注意力模块生成项目的描述特征表示；

利用神经门控模块融合项目的评分特征表示和描述特征表示，得到项目的表示向量；

通过项目表示生成模块计算得到候选项目表示向量和用户历史访问项目的表示向量，将所述候选项目的表示向量和用户历史访问项目的表示向量输入注意力网络,生成用户的表示向量；

将所述用户表示向量和所述候选项目的表示向量进行内积操作，得到用户访问所述候选项目的预测概率；

将计算出的不同候选项目的预测概率从大到小排列，取排名前K的候选项目作为该用户的个性化推荐列表。

2.根据权利要求1所述的一种基于神经注意力自编码器的个性化推荐方法，其特征在于：所述自编码器采用如下公式生成所述项目i的评分特征表示其中 为权重矩阵；m为用户数，h1为第一个隐藏层的维度，h为瓶颈层的维度；ri是一个多热向量，ru，i＝1表示用户u喜欢所述项目i。

3.根据权利要求1所述的一种基于神经注意力自编码器的个性化推荐方法，其特征在于：所述通过词注意力模块生成项目的描述特征表示，具体包括：词注意力模块对项目的词序列中的每个词进行独热编码操作，以将所述项目的词序列中的每个词都表示成一个独热向量；

将所述独热向量通过一个词嵌入矩阵转换为一个低维实值的稠密向量表示；

通过一个两层的神经网络计算词注意力模块的注意力权重；

根据所述注意力权重，对所述稠密向量表示中的词嵌入进行加权求和，得到项目的描述特征表示；

拓展注意力权重得到注意力权重矩阵，并将所述注意力权重矩阵与所述词嵌入矩阵进行相乘得到所述项目的矩阵表示；

对所述项目的矩阵表示通过聚合层进行转换，生成所述项目的描述特征表示。

4.根据权利要求3所述的一种基于神经注意力自编码器的个性化推荐方法，其特征在于：利用神经门控层，自适应地融合项目的评分特征表示和描述特征表示，得到项目的表示向量。

5.根据权利要求4所述的一种基于神经注意力自编码器的个性化推荐方法，其特征在于：所述神经门控层按照以下公式自适应地融合项目的评分特征表示和描述特征表示，得到项目的表示向量；

其中，G为神经门控单元， 为融合项目的评分特征表示和项目的描述特征表示后的最终的项目表示向量； bg∈Rh为神经门控层中的参数。