1.一种基于多核图卷积网络的在线社交平台用户好友推荐方法，其特征在于：包括如下步骤：

步骤一：根据在线社交网络平台用户关系数据构建一个社交关系网络模型G(V,E)，V为节点，E为连边，其邻接矩阵用A表示，其中，一个节点表示一个用户，节点集V＝{v1,v2,...,vN}表示用户集合，如果两个用户是好友，则相应的两个节点之间有连边；N表示用户数，每个用户初始特征向量都用one‑hot向量表示，单位矩阵X为所有用户初始特征向量的组合；

步骤二：构建多核图卷积网络模型，该模型包含两层结构，第一层是一个三维卷积核，共有k1条通道，其中第i条通道上使用i阶卷积核SGCi，1≤i≤k1；第二层包含k2个三维卷积核，其中第j个三维卷积核的所有k1个通道都使用j阶卷积核SGCj，1≤j≤k2；

步骤三：计算i阶卷积核

其中GCN表示不含激活函数的图卷积神经网络，1≤i≤max(k1,k2)，f为relu激活函数；

步骤四：计算第一层网络输出

1

H＝concat(SGCi(X,A)),i∈{1,2,...,k1}，其中concat为拼接操作，将所有二维SGC拼接成三维输出；

步骤五：计算第二层的第j个三维卷积核输出其中SUM表示通道之间相加，将三维张量转化为二维矩阵；

步骤六：计算第二层网络输出

其中Avg为求平均操作；

步骤七：计算社交关系网络模型的节点相似性矩阵其中 为内积操作，g为sigmoid激活函数；

步骤八：计算损失值

步骤九：重复步骤三至步骤八对多核图卷积网络模型训练，直到损失值L稳定，不再减2

少，第二层网络的输出H即为社交关系网络模型节点的嵌入向量；计算所有无连边节点对的嵌入向量的内积，按降序排列，取前M个节点对为推荐的好友，其中M≤Y，Y为社交关系网络中无连边节点对的数量。