1.一种基于记忆更新与邻居传递的电商动态感知数据推荐方法，其特征在于，包括如下步骤：步骤1、从电商平台获取商品信息、价格、销量、评价、用户行为数据，构建电商动态感知数据集并进行预处理，得到时间序列数据集；

步骤2、将时间序列数据集输入记忆更新模块，进行节点信息的捕获、信息聚合和记忆更新；

步骤3、基于邻居传递模块获取邻居信息特征生成节点向量的邻居特征；

步骤4、基于多头注意力模块生成节点嵌入；

步骤5、采用多层感知机对获取到的节点嵌入进行解码，得到用户推荐感兴趣的商品并进行推荐。

2.根据权利要求1所述基于记忆更新与邻居传递的电商动态感知数据推荐方法，其特征在于，所述步骤1的具体过程为：步骤1.1、通过电商平台提供的API接口获取商品信息、价格、销量、评价、用户行为数据，由这些数据构建得到电商动态感知数据集，电商动态感知数据

集 为图网络结构；其中， 表示电商动态感知数据集 中的用户节点，为用户节点序号；

表示电商动态感知数据集 中的商品节点，为商品节点序号；表示出现用户商品交互事件的当前时刻； 表示用户商品交互事件的持续时间； 为电商动态感知数据集中用户节点 与商品节点 之间连接的边； 表示用户节点总数，表示商品节点总数；

步骤1.2、对电商动态感知数据集 进行清洗，使用线性插值法填充缺失值；

步骤1.3、利用python中的numpy包对数据进行提取与排序，对边特征进行存储，最终得到数字信号处理后的时间序列数据集；其中，时间序列数

据集 为图网络结构； 为时间序列数据集 中的用户节点； 为时间序列数据集 中的商品节点； 表示时间序列数据集 中用户节点 与商品节点 之间连接的边，对应当前时刻 用户商品交互事件。

3.根据权利要求2所述基于记忆更新与邻居传递的电商动态感知数据推荐方法，其特征在于，所述步骤2的具体过程为：步骤2.1、通过节点信息捕获单位获取节点的初始信息，计算公式如下：(1)；

(2)；

其中， 、 分别为用户节点 、商品节点 在当前时刻 计算的消息；

为可学习的消息函数多层感知机； 表示用户商品交互事件的上一时刻； 、分别为用户节点 、商品节点 上一时刻的记忆向量；

步骤2.2、通过信息聚合单元实现用户节点信息与商品节点信息的聚合，计算公式如下：(3)；

(4)；

其中， 、 分别为用户节点 、商品节点 聚合后的消息；  、分别为用户节点 、商品节点 在时刻 计算的消息；

步骤2.3、通过记忆更新单元实现用户节点和商品节点存储器的优化，计算公式如下：(5)；

(6)；

其中， 、 分别为用户节点 、商品节点 的存储器； 是可学习的存储器更新函数。

4.根据权利要求3所述基于记忆更新与邻居传递的电商动态感知数据推荐方法，其特征在于，所述步骤3的具体过程为：步骤3.1、进行两阶邻居信息的传递，计算公式如下：(7)；

(8)；

其中， 、 分别为当前时刻 用户节点 、商品节点 的邻居信息； 为更新函数； 、 分别为当前时刻 通过 、 传递的节点嵌入；

步骤3.2、采用邻居生成函数进行向量列表存储，用于存储和传递邻居信息；具体过程为：(9)；

(10)；

其中， 、 分别为当前时刻 用户节点 、商品节点 第 个邻居节点的特征信息； 为邻居节点的总数； 为总结用户节点或商品节点邻居的历史状态函数；

、 分别为上一时刻用户节点 、商品节点 的邻居特征； 为平均策略；

为衰减或映射函数； 为邻居信息传递采样策略；

步骤3.3、进行位置编码，具体过程为：(11)；

(12)；

(13)；

(14)；

 (15)；

 (16)；

其中， 、 分别为当前时刻 用户节点 、商品节点 经位置编码后的邻居特征； 、 分别为当前时刻 用户节点 、商品节点 不同邻居节点的信息向量；

、 分别为当前时刻 用户节点 、商品节点 绝对位置编码向量； 、分别为当前时刻 用户节点 、商品节点 第 个邻居节点的特征信息； 、 分别为用户节点 、商品节点 第 个邻居节点的绝对位置。

5.根据权利要求4所述基于记忆更新与邻居传递的电商动态感知数据推荐方法，其特征在于，所述步骤4的具体过程为：将用户节点 在不同时刻计算消息对应的存储器 与输入多头注意力模块生成用户节点嵌入 ， 为时刻 用户节点 的存储器；具体公式为：

(17)；

(18)；

(19)；

(20)；

将商品节点 在不同时刻计算消息对应的存储器 与输入多头注意力模块生成商品节点嵌入 ， 为时刻 商品节点 的存储器；具体公式为：

(21)；

(22)；

(23)；

(24)；

其中， 为多头注意力函数； 、 分别为用户节点 、商品节点 的查询向量； 、 分别为用户节点 、商品节点 的键向量； 、 分别为用户节点 、商品节点的值向量； 为激活函数； 为转置符号； 为缩放因子； 、分别为上一时刻用户节点 、商品节点 的存储器； 、 、 、 、 、 分别为 、 、 、 、 、 的可学习权重矩阵。

6.根据权利要求5所述基于记忆更新与邻居传递的电商动态感知数据推荐方法，其特征在于，所述步骤5的具体过程为：步骤5.1、计算用户对商品感兴趣的预测数值，具体公式为： (25)；

其中， 表示是否对商品感兴趣的预测数值，为0 1的预测数值； 表示非线性~激活函数； 、 均为可学习权重；表示拼接操作； 、 均为可学习偏置；

步骤5.2、预先设置一个阈值，若 大于等于阈值，则表示用户节点 对商品节点感兴趣，否则表示用户节点 对商品节点 不感兴趣；通过用户节点 与不同商品节点进行预测计算，便能够得出用户 的多个感兴趣商品。