1.一种用于商品推荐的方法，其特征在于，包括：

获得用户与若干个商品的交互信息；

将所述交互信息输入到预设的图神经网络模型，获得序列向量表征；所述图神经网络模型根据有向图获得；所述有向图根据所述交互信息生成；

根据所述序列向量表征获得各商品被推荐的概率；

根据所述概率进行商品推荐；

根据所述有向图获得所述图神经网络模型，包括：根据所述交互信息获取所述有向图，将所述有向图作为训练样本集；根据所述训练样本集对图神经网络进行训练，获得所述图神经网络模型；

所述交互信息包括各所述商品信息，以及用户与各所述商品进行交互的时间戳，根据所述交互信息获取所述有向图，包括：将商品信息按照对应的时间戳进行排序，获得交互序列；将所述交互序列中的商品信息作为节点生成所述有向图；

根据所述训练样本集对图神经网络进行训练，包括：利用图神经网络的遗忘门和更新门对所述训练样本集进行训练获得商品向量表征；根据所述商品向量表征获得序列向量表征；

根据所述商品向量表征获得所述序列向量表征，包括：根据所述商品向量表征获取用户的短期兴趣向量表征和用户的长期兴趣向量表征；根据所述短期兴趣向量表征和所述长期兴趣向量表征获取所述序列向量表征；

根据所述商品向量表征获取用户的长期兴趣向量表征，包括：根据预设的第一权重矩阵对所述商品向量表征进行转换，获得第一变化矩阵；根据第二权重矩阵对所述商品向量表征进行转换，获得第二变化矩阵；根据所述第一变化矩阵和所述第二变化矩阵生成商品信息之间的亲密矩阵；根据所述亲密矩阵和所述商品向量表征获取所述长期兴趣向量表征；

根据所述序列向量表征获得各商品被推荐的概率；包括：获取所述序列向量表征与所述商品向量表征之间的相似度；根据所述相似度获取各商品被推荐的概率；

获得所述图神经网络模型后，还包括：获取LOSS值；根据所述LOSS值对所述图神经网络模型进行优化。

2.一种用于商品推荐的装置，包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在执行所述程序指令时，执行如权利要求1所述的用于商品推荐的方法。

3.一种电子设备，其特征在于，包括如权利要求2所述的用于商品推荐的装置。