1.一种基于对偶视图对比学习的会话推荐方法，其特征在于，应用于会话推荐系统，所述会话推荐系统包括会话增强模块、对偶视图编码器和对比推荐模块，所述对偶视图编码器包括超图卷积网络编码器和Transformer编码器；

所述方法包括：

在会话增强模块中，获取原始会话序列以及对应的原始时间间隔序列，根据原始时间间隔序列中时间间隔的标准方差对原始会话序列中所有会话进行排序，筛选出非均匀会话序列，以非均匀会话序列的时间间隔序列作为时间间隔信息增强的依据，对非均匀会话序列进行数据增强操作，从而得到时间间隔均匀的增强会话序列；

在对偶视图编码器中，基于增强会话序列构建超图，在超图中使用超图卷积网络编码器获取会话间的增强会话嵌入，同时，将原始会话序列和增强会话序列输入至Transformer编码器中，得到原始会话嵌入和会话内的增强会话嵌入；

在对比推荐模块中，基于会话内的增强会话嵌入生成推荐列表，采用会话内的增强会话嵌入和会话间的增强会话嵌入计算标准二元交叉熵损失函数，且采用原始会话序列和会话内的增强会话嵌入进行对比学习，优化对比推荐模块的模型参数。

2.根据权利要求1所述的基于对偶视图对比学习的会话推荐方法，其特征在于，获取原始会话序列以及对应的原始时间间隔序列，根据原始时间间隔序列中时间间隔的标准方差对原始会话序列中所有会话进行排序，筛选出非均匀会话序列，以非均匀会话序列的时间间隔序列作为时间间隔信息增强的依据，对非均匀会话序列进行数据增强操作，具体包括：按照从小到大的顺序，根据原始时间间隔序列中时间间隔的标准方差对原始会话序列中所有会话进行排序，将排序在前的、预设比例的会话作为均匀会话，均匀会话以外的为非均匀会话，从而得到非均匀会话序列，以非均匀会话序列的时间间隔序列作为时间间隔信息增强的依据，对非均匀会话序列进行数据增强操作，所述数据增强操作是Ti‑Insert操作、Ti‑Crop操作、Ti‑Mask操作、Ti‑Substitute操作中的一种；

Ti‑Insert操作的具体过程为：

按照时间间隔时长从大到小顺序，对非均匀会话序列的时间间隔序列进行排序，保留前k1个时间间隔序列对应的项目作为第一目标位置， ， 为插入比，N1为非均匀会话序列的长度，在非均匀会话序列中的每个第一目标位置处插入一个目标项目，所述目标项目尚未与用户交互，且所述目标项目与非均匀会话序列中的上下文相关；

Ti‑Crop操作的具体过程为：

在非均匀会话序列中选择一个截止位置 ，在 处将长为 的连续序列截断为一个子序列， ，为截断比例系数，对截断后的序列再次选择截止位置进行截断操作，直至生成一组长度均为 的子序列，计算每一个子序列的标准差，然后选择标准差最小的子序列作为操作后的新序列；

Ti‑Mask操作的具体过程为：

按照时间间隔时长从小到大顺序，对非均匀会话序列的时间间隔序列进行排序，在非均匀会话序列中删除前k2个时间间隔序列对应的项目；

Ti‑Substitute操作的具体过程为：

按照时间间隔时长从小到大顺序，对非均匀会话序列的时间间隔序列进行排序，将前k2个时间间隔序列对应的项目作为第二目标位置，在第二目标位置处，将相应的项目替换成与上下文相关、且未与用户交互过的项目。

3.根据权利要求2所述的基于对偶视图对比学习的会话推荐方法，其特征在于，所述超图卷积网络编码器满足以下条件式：；

其中， 是超图卷积 层用户u的原始会话 中项目 的嵌入， 是邻接矩阵A中第i行、第 列的元素， 是邻接矩阵A中第j行、第 列的元素， 是权重矩阵W中第 行、第 列的元素， 是超图卷积 ‑1层用户u的原始会话 中项目 的嵌入，N为增强会话序列的长度，M为相关联的会话数；

基于增强会话序列构建超图，在超图中使用超图卷积网络编码器获取会话间的增强会话嵌入的过程中，满足以下条件式：；

；

其中， 表示会话间的增强会话嵌入， 是用户u的增强会话 中项目 的嵌入，N为增强会话序列的长度，tanh为激活函数， 和b是可学习的参数，表示级联操作，是超图卷积网络编码器输出的项目 的嵌入， 为位置嵌入。

4.根据权利要求3所述的基于对偶视图对比学习的会话推荐方法，其特征在于，所述Transformer编码器中的每个编码器层包括多头自注意力子层和前馈全连接子层，多头自注意力子层将会话序列作为输入计算查询值、键值和属性值，通过缩放点积操作实现注意力计算，并采用多套线性变换映射矩阵提取会话序列的不同表示；前馈全连接子层包含两个线性变换和一个ReLU激活函数，以对会话序列建模，多头自注意力子层和前馈全连接子层均使用残差连接和层归一化。

5.根据权利要求4所述的基于对偶视图对比学习的会话推荐方法，其特征在于，所述Transformer编码器满足以下条件式：；

其中， 表示原始会话嵌入， 表示会话内的增强会话嵌入， 为Transformer编码器。

6.根据权利要求5所述的基于对偶视图对比学习的会话推荐方法，其特征在于，所述对比推荐模块的损失函数L满足以下条件式：；

；

；

；

其中， 表示对数似然损失函数， 为标准二元交叉熵损失函数， 为NT‑Xent损失函数，为 的权重系数，为 的权重系数，为非线性激活函数， 为用户c的会话间的增强会话嵌入，sim表示两个会话嵌入间相似性度量的点积操作， 是用户c的原始会话嵌入，为 中项目 的嵌入， 为用户c的项目 嵌入。