1.一种基于图卷积神经网络的双向推荐方法，其特征在于：包括如下步骤：S1.将双方中的一方作为A类节点，并确定A类节点的特征值；

根据如下步骤确定A类节点的特征值：

S11.按照数据类型对所述A类节点对应的数据进行分类，得到结构化数据以及非结构化数据；

S12.使用one hot编码对所述结构化数据进行处理，得到结构化数据的特征值；

S13.使用自然语言对所述非结构化数据进行处理，得到非结构化数据的特征值；

S14.对结构化数据的特征值与非结构化数据的特征值进行合并处理，得到A类节点对应数据的特征值；

S15.将所述A类节点对应数据的特征值作为A类节点的特征值；

根据如下公式确定非结构化数据的特征值：

其中，fus为非结构化数据的特征值；M为非结构化数据的总数；ci为第i项非结构化数据；wi为ci对应的权重；W为第二次卷积操作的总权重；

S2.将双方中的另一方作为B类节点，并确定B类节点的特征值；

S3.根据A类节点与B类节点之间的关联关系，构建A类节点与B类节点之间的连通图；

S4.将所述连通图中的每个节点作为目标节点，并基于图卷积神经网络对所述目标节点的特征值进行卷积操作处理，得到目标节点的推荐节点；

所述步骤S4，具体包括：

S41.输出所述目标节点的特征值进行卷积操作后的特征值Fout；

S42.将所述特征值Fout转为一维向量f；

所述一维向量f＝[k1,k2,…,kj,…,kn]；其中，kj为目标节点对应的第j个关联节点的预测得分；

S43.获取一维向量f中预测得分的最大值，并将预测得分的最大值对应的关联节点作为目标节点的推荐节点。

2.根据权利要求1所述的基于图卷积神经网络的双向推荐方法，其特征在于：根据如下公式确定A类节点对应数据的特征值：Fsum＝a1fus+a2fs；

其中，Fsum为A类节点对应数据的特征值；a1为非结构化数据对应的权重；fus为非结构化数据的特征值；a2为结构化数据对应的权重；fs为结构化数据的特征值。

3.根据权利要求1所述的基于图卷积神经网络的双向推荐方法，其特征在于：根据如下公式确定卷积操作后的特征值Fout：Fout＝Relu(Finw)；

其中，Fout为卷积操作后的特征值；Fin为卷积输入的特征值；w为神经网络参数；Relu()为激活函数。