1.一种基于邻居会话感知的会话推荐方法，其特征在于，包括以下步骤：S1：根据各会话中的物品点击顺序，构建各所述会话的物品节点图；所述会话包括当前会话以及所述当前会话的邻居会话；

S2：学习并融合各所述会话的物品节点图中物品的一阶转换关系和高阶转换关系，获得各所述会话的全局兴趣表示；

S3：基于当前会话的全局兴趣表示和各邻居会话的全局兴趣表示，获得当前会话的相似邻居协作信息表示；

S4：基于当前会话的全局兴趣表示以及所述相似邻居协作信息表示，推荐候选物品。

2.根据权利要求1所述的基于邻居会话感知的会话推荐方法，其特征在于，所述步骤S2包括：S21：对于各会话的物品节点图，利用L层堆叠的高阶图神经网络学习物品节点图中物品间的一阶转换关系和高阶转换关系，得到各会话的1～L阶嵌入表示；

S23：对于各会话，融合1～L阶嵌入表示，得到各会话的融合嵌入表示；

S26：对于各会话，对融合嵌入表示进行加和池化处理，得到各会话的全局兴趣表示。

3.根据权利要求2所述的基于邻居会话感知的会话推荐方法，其特征在于，在所述步骤S23中，利用多层感知机融合1～L阶嵌入表示。

4.根据权利要求1所述的基于邻居会话感知的会话推荐方法，其特征在于，所述步骤S2包括：S21：对于各会话的物品节点图，利用L层堆叠的高阶图神经网络学习物品节点图中物品间的一阶转换关系和高阶转换关系，得到各会话的1～L阶嵌入表示；

S23：对于各会话，利用多层感知机融合1～L阶嵌入表示，得到各会话的融合嵌入表示；

S24：对于各会话，引入Highway网络基于物品节点图优化融合嵌入表示，得到各会话的第一优化融合嵌入表示；

S25：对于各会话，利用注意力机制优化第一优化融合嵌入表示，获得第二优化融合嵌入表示；

S26：对于各会话，对第二优化融合嵌入表示进行加和池化处理，得到各会话的全局兴趣表示。

5.根据权利要求4所述的基于邻居会话感知的会话推荐方法，其特征在于，所述步骤S25的所述注意力机制为如下公式所示的软注意力机制：式中， 表示可训练的参数， 表示注意力分数， 表示归一化后的注意力权重， 为第一优化融合嵌入表示， 经过注意力机制优化后的第二优化融合嵌入表示。

6.根据权利要求1所述的基于邻居会话感知的会话推荐方法，其特征在于，所述步骤S3包括：S31：基于当前会话的全局兴趣表示和各邻居会话的全局兴趣表示，构建当前会话的相似邻居会话节点图；

S32：学习相似邻居会话节点图中节点的连接关系，提取相似邻居会话的相似邻居协作信息表示。

7.根据权利要求6所述的基于邻居会话感知的会话推荐方法，其特征在于，在所述步骤S31中，采用自注意力机制，基于当前会话的全局兴趣表示和各邻居会话的全局兴趣表示计算各邻居会话与当前会话的相似度；然后，使用类KNN算法，在各邻居会话中选择与当前会话最相似的K个邻居会话，构建当前会话的相似邻居会话节点图。

8.根据权利要求7所述的基于邻居会话感知的会话推荐方法，其特征在于，所述步骤S32中，通过动态图注意力网络GATv2学习相似邻居会话节点图中节点的连接关系。

9.根据权利要求1所述的基于邻居会话感知的会话推荐方法，其特征在于，所述步骤S4包括：S41：基于当前会话的全局兴趣表示中的最后一个嵌入向量以及当前会话的全局兴趣表示，得到当前会话的混合兴趣表示；

S42：基于当前会话的混合兴趣表示以及相似邻居协作信息表示，得到最终会话表示；

S43：基于所有物品的初始嵌入向量和最终会话表示，推荐候选物品。

10.一种基于邻居会话感知的会话推荐模型，其特征在于，包括：节点图生成模块，根据各会话中的物品点击顺序，构建各所述会话的物品节点图；所述会话包括当前会话以及所述当前会话的邻居会话；

转换关系学习融合模块，学习并融合各所述会话的物品节点图中物品的一阶转换关系和高阶转换关系，获得各所述会话的全局兴趣表示；

协作信息提取模块，基于当前会话的全局兴趣表示和各邻居会话的全局兴趣表示，获得当前会话的相似邻居协作信息表示；和候选物品推荐模块，基于当前会话的全局兴趣表示以及所述相似邻居协作信息表示，推荐候选物品。