1.一种融合商品流行度分析的在线用户偏好高满意度推荐方法，其特征在于，所述方法包括：获取用户与对象的交互行为总量和用户对所述对象的交互行为的评价；

将所述交互行为总量经过函数变换为对象流行度并输入推荐模型，获取高偏好的第一用户表征和高偏好的第一对象表征，基于第一用户表征和第一对象表征运算获得对象推荐候选集；

将每个用户交互的对象按照评价划分为若干等级，将等级大于预设值的对象输入推荐模型训练，获得高满意度的第二用户表征和高满意度的第二对象表征；

将所述第一用户表征和所述第一对象表征分别与所述第二用户表征和所述第二对象表征融合，获得高偏好且高满意度的第三用户表征和第三对象表征，根据所述第三用户表征和所述第三对象表征进行点积运算得到用户对对象的高偏好且高满意度的预测分数，并基于所述预测分数从所述对象推荐候选集中得到用户的对象推荐列表。

2.根据权利要求1所述的一种融合商品流行度分析的在线用户偏好高满意度推荐方法，其特征在于，所述获取用户与对象的交互行为总量通过用户与对象发生交互行为的次数来获取，所述用户与对象的交互行为的表达式为：其中，表示用户，表示对象， 表示用户 与对象的交互关系， 表示用户 与对象发生交互行为， 表示用户 与对象没有发生交互行为。

3.根据权利要求2所述的一种融合商品流行度分析的在线用户偏好高满意度推荐方法，其特征在于，所述将所述交互行为总量经过函数变换作为对象流行度，所述函数具体为：其中， 表示任意对象的流行度，表示自然底数，代表温度系数， 表示用户与对象的交互行为总量。

4.根据权利要求3所述的一种融合商品流行度分析的在线用户偏好高满意度推荐方法，其特征在于，所述推荐方法还包括获取用户集合 、对象集合 ；所述第一用户表征和所述第一对象表征通过如下步骤获取：将所有用户和对象之间的交互关系形成一个交互图 ，交互图 表示如下：；

其中，表示用户集合，表示对象集合；

将用户和对象均设置为节点，节点h的邻居节点集合 定义

其中，为交互图G中任意一个节点，为节点 周围的一个邻居节点， 表示从节点到邻居节点的一条边， 表示节点 的邻居节点集合；

将所述对象的流行度加入推荐模型的信息传输和聚合中，并应用激活函数得到节点的邻居节点集合 的聚合表征 ：其中， 为激活函数， 表示节点 的流行度， 为随机初始化的转换矩阵，代表所述对象的数据的模态， 表示邻居节点 在模态 上的表征， 表示邻居节点集合 的大小；

获取所述节点的ID信息，将所述节点的表征与所述节点的ID信息融合并应用激活函数得到信息融合后的融合向量表征 ，融合向量表征 的表示为；

其中， 表示节点 在模态 上的表征融合节点 的ID信息得到的融合向量表征， 为随机初始化的转换矩阵， 表示节点 在模态 上的表征， 表示节点 的ID信息；

将所述节点 进行多阶段训练得到训练后的多阶段的表征；

所述节点 在模态 上的一阶连通性之后的一阶表征为：

其中， 为随机初始化的转换矩阵， 表示节点 在模态 上的一阶表征；

节点 在模态 上的阶段连通性之后的阶表征为：

其中， 表示节点 在模态 上的阶表征， 表示在模态 上的 阶的随机初始化转换矩阵；

表示节点 在模态 上的阶段连通性之后融合节点的ID信息得到阶融合向量表征，阶融合向量表征 表示为：将节点 的每个模态 的数据经过阶段训练并融合每个模态 的表征得到多模态融合的表征 为：其中， 表示节点 的多模态融合表征， 表示节点 在模态 上的阶表征，表示所述对象的数据的模态集合；

将每个阶段训练后得到的表征连接起来得到高偏好用户 的第一用户表征 和高偏好对象的第一对象表征 。

5.根据权利要求4所述的一种融合商品流行度分析的在线用户偏好高满意度推荐方法，其特征在于，所述推荐模型包含注意力机制，将所述对象的流行度加入推荐模型的信息传输和聚合中，并应用激活函数得到节点 的邻居节点集合 的聚合表征 ，具体为：其中， 为注意力机制， 为可调参数， 为随机初始化的转换矩阵，代表模态， 表示对象 在模态 上的表征， 通过不同模态的预处理模型提取相应的特征和向量表征得到。

6.根据权利要求4或5所述的一种融合商品流行度分析的在线用户偏好高满意度推荐方法，其特征在于，所述第二用户表征和所述第二对象表征通过如下步骤获取：通过推荐模型的信息传输和聚合并应用激活函数 得到节点 的邻居节点集合 在模态m上的聚合表征 ；

当所述推荐模型包含注意力机制时，聚合表征 表示为：

其中， 为节点 的邻居节点集合 在模态m上的聚合表征， 为注意力机制，为在模态 随机初始化的转换矩阵， 为节点 周围的邻居节点 在模态 的表征；

当所述推荐模型不包含注意力机制时，所述聚合表征 表示为：获取节点 的ID信息，将每个节点 的特征向量融合节点 的ID信息后并应用激活函数得到信息融合的向量 ，表示为：其中， 为随机初始化的转换矩阵， 表示节点 的ID；

将节点 进行阶段训练，获取节点 的每个模态 经过阶段训练后的高阶表征，在阶段连通性之后的高阶表征 为：融合模态集合 的每个模态 的高阶表征得到多模态融合的表征 为：其中， 为融合模态集合 的阶表征， 为节点 的数据的模态集合；

将每个阶段训练后得到的节点表征连接起来得到不同用户 的第二用户表征 和不同对象的第二对象表征 。

7.根据权利要求6所述的一种融合商品流行度分析的在线用户偏好高满意度推荐方法，其特征在于，所述第三用户表征和所述第三对象表征具体通过如下步骤获取：将所述第二用户表征 和所述第一用户表征 进行叠加融合，将所述第二对象表征和所述第一对象表征 进行叠加融合，分别得到高满意度且高偏好的第三用户表征和第三对象表征 ：其中，∈Cands，Cands为所述对象推荐候选集。

8.根据权利要求7所述的一种融合商品流行度分析的在线用户偏好高满意度推荐方法，其特征在于，所述根据所述第三用户表征和所述第三对象表征进行点积运算得到用户对对象的高偏好且高满意度的预测分数具体为：将所述第三用户表征 与所述第三对象表征 进行内积运算得到用户对对象高满意度且高偏好的预测分数 ，预测分数 的计算公式如下：。

9.一种融合商品流行度分析的在线用户偏好高满意度推荐装置，其特征在于，所述装置包括：用户与对象信息获取模块，所述获取模块用于获取用户与对象的交互行为总量和用户对所述对象的交互行为的评价；

用户偏好获取模块，所述用户偏好获取模块用于将所述交互行为总量经过函数变换作为对象流行度的影响力并加入推荐模型，获取用户高偏好的表征，通过所述用户高偏好的表征运算获得对象推荐候选集；

满意度获取模块，所述满意度获取模块用于将每个用户交互的对象按照评价划分为高满意和低满意度的对象，将高满意的对象放入推荐模型中训练，获得用户高满意度的表征；

推荐结果获取模块，所述推荐结果获取模块用于将用户高偏好的表征和高满意度的表征进叠加融合，获得用户高偏好且高满意度的表征，根据用户高偏好且高满意度的表征对所述候选集重新排序得到需要推荐的项目集合。

10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1‑8中任一项所述的融合商品流行度分析的在线用户偏好高满意度推荐方法。