1.一种基于注意力机制的群组推荐方法，其特征在于，包括：

获取用户的兴趣特征数据，计算用户与用户之间的兴趣相似度，并通过聚类方法构建潜在偏好群组；

采用注意力机制网络，计算每个用户在所属潜在偏好群组内的权重，基于每个用户的权重，对潜在偏好群组内用户进行偏好融合，并计算该潜在偏好群组对单个项目的预测得分；

获取待推荐的项目，根据潜在偏好群组对不同项目的预测得分，完成群组推荐。

2.如权利要求1所述的一种基于注意力机制的群组推荐方法，其特征在于，根据用户对项目的评分，得到用户的兴趣特征数据，利用改进的密度峰值聚类方法，将兴趣相似度高的用户划分到同一个潜在偏好群组中，构建潜在偏好群组。

3.如权利要求2所述的一种基于注意力机制的群组推荐方法，其特征在于，所述构建潜在偏好群组具体包括：基于用户对项目的评分，得到用户与用户之间共同的评分项目集合，根据该评分项目集合中元素数量，确定用户与用户之间的兴趣相似度，构建兴趣相似度集合；

基于兴趣相似度集合，计算各用户的截断距离；

基于截断距离计算每个用户i的局部密度ρi与用户i到具有更高局部密度点的最短距离δi，绘制决策图，选取聚类中心；

将其余用户数据点依次分配到具有更高局部密度的最近邻点所属的簇中，直至将所有用户划分为若干个具有相似偏好的潜在偏好群组。

4.如权利要求1所述的一种基于注意力机制的群组推荐方法，其特征在于，所述计算每个用户在所属潜在偏好群组内的权重包括：将用户i和项目j表示为嵌入向量xi与vj，将用户嵌入向量xi和项目嵌入向量vj作为注意力机制网络的输入，通过设置注意力机制网络的权值矩阵，输出该用户在此项目中的权重，根据每个用户的权重，使用聚合函数进行聚合，将一组偏好表示转换成一个偏好表示。

5.如权利要求4所述的一种基于注意力机制的群组推荐方法，其特征在于，所述计算该潜在偏好群组对单个项目的预测得分具体为：gl表示第l个潜在偏好群组，gl(j)表示第l个潜在偏好群组对第j项目的预测得分，Ul表示第l个潜在偏好群组中用户的集合。

6.如权利要求1所述的一种基于注意力机制的群组推荐方法，其特征在于，所述根据潜在偏好群组对不同项目的预测得分包括：使用神经协同过滤模型，对于待推荐的项目，创建组-项目对或用户-项目对，计算用户、组以及项目之间非线性和高阶相关性，根据不同的组-项目对或用户-项目对的输入，计算不同待推荐项目的预测得分，根据不同项目的预测得分对群组进行推荐。

7.一种基于注意力机制的群组推荐系统，其特征在于，包括：

潜在偏好群组构建模块，获取用户的兴趣特征数据，计算用户与用户之间的兴趣相似度，并通过聚类方法构建潜在偏好群组；

偏好融合模块，采用注意力机制网络，计算每个用户在所属潜在偏好群组内的权重，基于每个用户的权重，对潜在偏好群组内用户进行偏好融合，并计算该潜在偏好群组对单个项目的预测得分；

推荐模块，获取待推荐的项目，根据潜在偏好群组对不同项目的预测得分，完成群组推荐。

8.如权利要求7所述的一种基于注意力机制的群组推荐系统，其特征在于，所述偏好融合模块中：将用户i和项目j表示为嵌入向量xi与vj，将用户嵌入向量xi和项目嵌入向量vj作为注意力机制网络的输入，通过设置注意力机制网络的权值矩阵，输出该用户在此项目中的权重，根据每个用户的权重，使用聚合函数进行聚合，将一组偏好表示转换成一个偏好表示。

9.一种计算机设备，其特征是，包括存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-6任一项方法所述的步骤。

10.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-6任一项方法所述的步骤。