1.一种基于物品图网络中路径表征的会话推荐方法，其特征在于：基于所有会话集合构建物品图T＝(V，E)；V是平台中物品的集合，E是边，表示物品和物品之间的转移关系；物品图中的边来源于会话，对于任意一个会话s＝{v1，v2，…，v|s|}，(vj‑1，vj)表示一个用户点击物品vj‑1之后点击物品vj，将(vj‑1，vj)作为为图网络T的有向边；

且图的边数值属性为边(vj‑1，vj)出现的次数；将出现次数少于ε的边过滤掉；最后，本发明采用离线文件存储每个节点所有时间下在图网络T中的1‑hop和2‑hop邻居节点；也就是，对于任意一个物品vj，存储所有时间下的B1‑hop(j)邻居集合和B2‑hop(j)邻居集合；

根据当前会话和物品图网络，对当前会话进行扩充，得到扩充之后的会话路径；当前会话为s＝{v1，v2，…，v|s|}，采用图网络T对当前会话进行扩充，将当前会话s＝{v1，v2，…，v|s|}映射到图网络中的路径，挖掘该路径是否存在捷径；这里的捷径指会话{v1，v2，…，v|s|}中任意两个不相邻物品之间是否存在距离为1或者2的路径；具体做法根据当前会话的时间，读取出当前会话中任一物品vj的上一时刻的B1‑hop(j)邻居集合和B2‑hop(j)邻居集合，查看会话中的其他物品是否在B1‑hop(j)或者B2‑hop(j)内，且确保捷径连接的两个物品在会话中不相邻；若当前会话s＝{v1，v2，…，v|s|}中存在两个物品vi和vj之间存在捷径，那么在vi和vj之间添加一条边；

采用分层门控循环单元网络对扩充之后的会话路径进行表征，得到用户兴趣表征；扩充之后的会话路径仍是有序的，且会话中的一个物品的数据输入来源有两种，一种是原始会话中的上一个物品，一个是捷径中的上一个物品；本方法采用分层门控循环单元网络对扩充之后的会话路径进行表征；当前会话{v1，v2，…，v|s|}，对应向量表征为{x1，x2，…，x|s|}，采用分层门控循环单元网络获得用户兴趣表征的具体公式如下：gτ＝σ(Wxg·xτ+Whg·hτ‑1+Wcg·hcut_idx(τ))其中，gτ是决定原始会话上一层的信息和捷径上一层的信息输入下一层的门控单元；

Wxg、Whg和Wcg是控制门控单元gτ的参数； 是融合了原始会话上一层的信息hτ‑1和捷径上一层的信息hcut_idx(τ)的上文信息，cut_idx(τ)表示xτ的最近捷径的下标，xτ的捷径可能会出现多个，只取距离最近的捷径；rτ是重置门(resetgate)，zτ为更新门(updategate)，这两个门控向量决定了哪些信息能作为门控循环单元的输出； 是当前记忆内容；xτ是当前层的节点输入；Wxz、Whz、Wxr和Whr分别是控制更新门zτ和重置门rτ的参数；Wxh和Whh是控制当前记忆内容 的参数；⊙是元素级别的矩阵相乘，σ是sigmoid函数，tanh是tanh激活函数；门控循环单元网络GRU的输入序列为{v1，v2，…，v|s|}，门控循环单元网络输出为h|s|，也就是用户兴趣表征为p＝h|s|；

根据用户兴趣表征，推荐物品；将物品vj的向量xj乘以用户兴趣向量p，再应用softmax函数计算出物品vj的分数：

其中，p代表用户的兴趣向量，代表物品vj成为下一个交互物品的可能性；同时根据的对数似然函数值，计算损失函数：

其中，yj代表vj的one‑hot编码， 函数用梯度下降法来最优化。