1.一种基于轻量图卷积网络的社交推荐系统，其特征在于：包括信息获取模块、信息传播模块和信息推荐模块；

所述信息获取模块随机生成用户向量信息 和物品向量信息 并传输至信息传播模块；

所述信息传播模块对用户向量信息 和物品向量信息 进行迭代计算，得到不同层级的物品表示集合 和不同层级的用户表示集合 k＝1,…,K；

所述信息传播模块将物品表示集合 和用户表示集合 传输至信息推荐模块；

所述信息推荐模块根据物品表示集合 和用户表示集合 确定用户与物品之间的匹配等级，若匹配等级大于阈值ε，则向用户推荐该物品；

所述信息传播模块存储有用户‑物品交互图、用户社交图和轻量图卷积网络；

获取不同层级的物品表示集合 的步骤包括：将物品向量信息 输入到轻量图卷积网络，令轻量图卷积网络在用户‑物品交互图上对物品向量信息迭代K次，得到不同层级的物品表示集合其中，第k+1层物品表示 如下所示：

式中， 分别表示物品i和用户u在用户‑物品交互图中的相邻集合；

获取不同层级的用户表示集合 的步骤包括：

1)将用户向量信息 输入到轻量图卷积网络，令轻量图卷积网络在用户社交图上对用户向量信息迭代K次，得到不同层级的用户社交表示集合将用户向量信息 输入到轻量图卷积网络，令轻量图卷积网络在用户‑物品交互图上对用户向量信息迭代K次，得到不同层级的用户兴趣表示集合其中，第k+1层用户社交表示 如下所示：式中， 表示用户u在社交图上的相邻用户集合； 表示用户v在社交图上的相邻用户集合；

第k+1层用户兴趣表示 如下所示：

2)将同层级的用户社交表示集合 用户兴趣表示集合 进行融合，得到不同层级的用户表示集合

第k+1层用户社交表示、用户兴趣表示的融合结果 如下所示：其中，过程参数 如下所示：

式中，σ(·)是tanh激活函数；权重矩阵W1, 权重矩阵

2.根据权利要求1所述的一种基于轻量图卷积网络的社交推荐系统，其特征在于：所述信息获取模块采用边结构信息或标准正态分布随机生成用户向量信息 和物品向量信息 n和m分别是用户数和物品数，d是向量表示的维度大小。

3.根据权利要求1所述的一种基于轻量图卷积网络的社交推荐系统，其特征在于，所述信息推荐模块根据物品表示集合 和用户表示集合 确定用户与物品之间的匹配等级的步骤包括：

1)计算用户向量表示Eu和物品向量表示Ei，即：式中，αk为权重；

2)计算用户u与物品i之间的匹配等级 即：式中，ei、eu分别表示Ei、Eu的行向量。

4.根据权利要求1所述的一种基于轻量图卷积网络的社交推荐系统，其特征在于，还包括存储信息获取模块、信息传播模块和信息推荐模块数据的数据库。