1.一种基于强化学习和加权元路径的语义推荐方法，其特征在于：包括以下步骤：S1、收集用户购买记录、评分记录、各类实体属性信息，获取记录中用户和物品的异构信息网络；

S2、对S1中收集的用户购买记录、评分记录以及各类实体属性信息进行预处理，对数据清洗，将处理好的数据作为后续模型训练的输入；

S3、将S2处理好的数据进行分析，不同的元路径代表着不同的语义关联信息，在异构信息网络中综合考虑实体的属性，利用不同元路径语义信息度量异构信息网格中用户的相关性；

S4、利用强化学习算法计算不同元路径的权重，自主学习不同元路径的权重，构建马尔可夫决策过程，根据数据的特点设计状态、动作、环境、奖励函数，对元路径的权重进行训练，得到元路径选择权重的信息并生成记录；

S5、基于元路径选择权重的信息记录，构建深层决策网络，设计经验池、预测网络和结果网络，对深层决策网络进行训练，然后对输出的奖励值进行拟合，得到最佳权重；

具体包括以下步骤：

S51、设计经验池，将选择元路径权重时得到的奖励值和新状态存储在经验池中，即将状态、动作、奖励值和新状态组成的四元组作为经验池的基本存储元素，计算公式为：dk＝

其中，dk为学习记录，st为状态数据，at为选取的最优动作，rst为奖励值，st+1代表转移后的新状态；

S52、设计预测网络，将状态和动作看作一组作为预测网络的输入，将这组的奖励值作为预测网络的输出；

S53、设计结果网络，将状态转换后的新状态和动作看作一组作为结果网络的输入，将这组的奖励值作为结果网络的输出，计算公式为：Qreal(st,at)＝rs，a+γ*max(Qtarget(st+1，a))其中，迭代过程超过一定次数时，结果网络会更新参数，Qtarget代表新状态选择的最优动作的预测值，Qreal代表结果值，rs，a代表选择动作a时根据概率进入到下一状态s得到的奖励值r，γ代表在整个训练过程中整个长期的奖励值对当下动作选择的影响，a代表最优动作；

S54、对深层决策网络进行训练；

具体包括以下步骤：

S541、提取经验池中累计的经验进行训练，学习元路径选择权重的内部策略；

S542、加入预测网络和结果网络双重网络训练最佳状态和最佳动作，得出奖励值，计算公式为：加入两个网络结构训练，使计算的奖励值更加稳定准确，其中 为训练好的预测网络的输出值， 为训练好的结果网络的输出值；

S543、根据迭代学习次数，更新预测网络和结果网络的参数，并再次生成新的学习经验和更新参数；

S55、对输出的奖励值进行拟合，得到最佳权重；

S6、依据得到的最佳权重的元路径，计算用户相似度，并选取Top‑N进行排列，完成推荐。

2.根据权利要求1所述的一种基于强化学习和加权元路径的语义推荐方法，其特征在于：S2中，所述数据清洗包括异常数据清洗，从不同特征角度对收集的用户购买记录、评分记录以及各类实体属性信息进行分析，对收集的用户购买记录、评分记录以及各类实体属性信息进行特征工程。

3.根据权利要求1所述的一种基于强化学习和加权元路径的语义推荐方法，其特征在于：S3中，具体包括以下步骤：S31、根据不同元路径将所述异构信息网络分解为不同的同构子网络；

S32、从所述同构子网络提取各个记录中用户和物品的语义信息；

S33、根据不同的语义信息度量用户的相似度。

4.根据权利要求1所述的一种基于强化学习和加权元路径的语义推荐方法，其特征在于：S4中，具体包括以下步骤：S41、构建马尔可夫决策过程；

S411、定义状态集，状态为分析选择出来的初始化元路径的不同权重，计算公式为：其中，在时刻t之前，不同元路径的权重有N种选择；S代表状态集，V代表元路径选择不同权重的次数，n代表交互记录的时间跨度，p代表元路径与权重选择的最大交互行为，S412、定义动作集，动作为每条元路径选择的不同权重包含用户之间的相似度特征，公式为：其中，at代表动作，Vk代表不同权重初始序列， 代表交互行为的次数；

S413、定义回报函数，函数负责计算对当前状态采取动作后得到的奖励值；

S414、定义折扣因子，代表在训练过程中整个长期的奖励值对当下动作选择的影响，取值在0～1之间；

S42、决策过程训练出不同元路径所选择的权重的信息，学习出元路径所占权重最佳的策略；

S43、将学习过程中累计的选择权重的经验存储在经验池中，生成经验记录。