1.一种融合交互频率与注意力网络的物品推荐方法，其特征在于，包括以下步骤：步骤1，将收集的用户物品评分信息中每个用户信息根据其编号进行词嵌入，得到每个用户对应的嵌入向量，并将用户物品评分信息中每个物品信息根据其编号进行词嵌入，得到每个物品对应的嵌入向量；

步骤2，将用户物品评分信息根据设定的阈值进行偏好标记，生成用户物品偏好信息，根据偏好标记从用户物品偏好信息中筛选出给定目标用户喜欢的物品集合以及喜欢给定候选物品的用户集合；

步骤3，基于给定目标用户喜欢的物品集合得到物品交互频率，根据融合物品交互频率的注意力网络获取目标用户对物品的偏好表示，并将目标用户对物品的偏好表示与给定的候选物品的嵌入向量进行点积运算，得到目标用户对候选物品的偏好分数；

步骤4，基于喜欢给定候选物品的用户集合得到用户交互频率，根据融合用户交互频率的注意力网络获取候选物品被用户喜欢的偏好表示，并将候选物品被用户喜欢的偏好表示与目标用户的嵌入向量进行点积运算，得到候选物品被目标用户喜欢的偏好分数；

步骤5，将步骤3得到的目标用户对候选物品的偏好分数和步骤4得到的候选物品被目标用户喜欢的偏好分数进行加权求和，计算目标用户对候选物品的交互预测分数并排序，选择top‑k个交互预测分数较高的候选物品进行推荐。

2.根据权利要求1所述的一种融合交互频率与注意力网络的物品推荐方法，其特征在于，所述步骤2包括：步骤2.1，根据用户物品评分信息，设置评分阈值，如果用户对物品的评分大于等于该阈值，则认为用户喜欢该物品，并添加喜欢标记；如果用户对物品的评分小于该阈值，则认为用户不喜欢该物品，并添加不喜欢标记，由此得到用户物品偏好信息；

步骤2.2，根据用户物品偏好信息中的喜欢标记筛选出给定目标用户喜欢的物品集合和喜欢给定候选物品的用户集合。

3.根据权利要求1所述的一种融合交互频率与注意力网络的物品推荐方法，其特征在于，所述步骤3包括：步骤3.1，根据步骤2筛选得到的目标用户喜欢的物品集合中的每个物品，统计每个物品被所有用户交互的次数并将该次数看作物品的交互频率，通过归一化得到每个物品对应的交互频率分数，并用权重矩阵计算目标用户喜欢的每个物品对应的注意力分数；

步骤3.2，将步骤3.1中得到的每个物品的交互频率分数和注意力分数相加并归一化得到目标用户喜欢的每个物品对应的权重分数，将目标用户喜欢的每个物品的嵌入向量与对应的权重分数进行加权求和，得到目标用户的物品偏好表示；若给定的目标用户为没有评分记录的新用户，则将交互频率最高的物品的嵌入向量作为该用户的物品偏好表示；

步骤3.3，将步骤3.2中获取的目标用户的物品偏好表示与候选物品的嵌入向量进行点积运算，得到目标用户对候选物品的偏好分数。

4.根据权利要求1所述的一种融合交互频率与注意力网络的物品推荐方法，其特征在于，所述的步骤4包括：步骤4.1，根据步骤2筛选得到的喜欢给定候选物品的用户集合中的每个用户，统计每个用户交互的物品个数并将该个数看作用户的交互频率，通过归一化得到每个用户对应的交互频率分数，并用权重矩阵计算喜欢候选物品的每个用户对应的注意力分数；

步骤4.2，将步骤4.1中得到的每个用户的交互频率分数和注意力分数相加并归一化得到喜欢候选物品的每个用户对应的权重分数，将喜欢候选物品的每个用户的嵌入向量与对应的权重分数加权求和，得到喜欢候选物品的用户偏好表示；若给定的候选物品为没有评分记录的新物品，则将交互频率最高的用户的嵌入向量作为喜欢该物品的用户偏好表示；

步骤4.3，将步骤4.2中获取的喜欢候选物品的用户偏好表示与目标用户的嵌入向量进行点积运算，得到候选物品被目标用户喜欢的偏好分数。

5.根据权利要求1所述的一种融合交互频率与注意力网络的物品推荐方法，其特征在于，所述的步骤5包括：步骤5.1，将步骤3得到的目标用户对候选物品的偏好分数和步骤4得到的候选物品被目标用户喜欢的偏好分数进行加权求和，计算目标用户对候选物品的交互预测分数；

步骤5.2，对步骤5.1得到的交互预测分数进行排序，根据需求选取交互预测分数较高的top‑k个候选物品进行推荐。

6.根据权利要求3所述的一种融合交互频率与注意力网络的物品推荐方法，其特征在于，所述步骤3.1中，按照下式得到目标用户喜欢的物品集合中每个物品的交互频率分数与注意力分数：T

ai＝w1θ(W1vi+b1)

其中j为目标用户喜欢的物品的个数， 为目标用户喜欢的第i个物品的交互频率，d×d为第i个物品的交互频率分数，Vi为目标用户喜欢的第i个物品的嵌入向量，W1∈R 和dw1∈R为权重矩阵，d为物品的嵌入维度，T表示转置，b1为偏置向量，θ为tanh激活函数，ai为第i个物品的注意力分数。

7.根据权利要求6所述的一种融合交互频率与注意力网络的物品推荐方法，其特征在于，所述步骤3.2中，按照下式得到目标用户的物品偏好表示：其中 为目标用户喜欢的物品对应的权重分数，uI为目标用户的物品偏好表示。

8.根据权利要求4所述的一种融合交互频率与注意力网络的物品推荐方法，其特征在于，所述步骤4.1中，按照下式得到喜欢候选物品的用户集合中每个用户的交互频率分数与注意力分数：T

ci＝w2θ(W2ui+b2)

其中k为喜欢候选物品的用户个数， 为喜欢候选物品的第i个用户的交互频率，d×d为第i个用户的交互频率分数，ui为喜欢候选物品的第i个用户的嵌入向量，W2∈R 和w2∈dR为权重矩阵，d为用户的嵌入维度，T表示转置，b2为偏置向量，θ为tanh激活函数，ci为第i个用户的注意力分数。

9.根据权利要求8所述的一种融合交互频率与注意力网络的物品推荐方法，其特征在于，所述步骤4.2中，按照下式得到喜欢候选物品的用户偏好表示：其中 为喜欢候选物品的用户对应的权重分数，vU为喜欢候选物品的用户偏好表示。

10.一种融合交互频率与注意力网络的物品推荐系统，其特征在于，包括：

用户和物品嵌入向量得出模块，用于将收集的用户物品评分信息中每个用户信息根据其编号进行词嵌入，得到每个用户对应的嵌入向量，并将用户物品评分信息中每个物品信息根据其编号进行词嵌入，得到每个物品对应的嵌入向量；

用户和物品筛选模块，用于将用户物品评分信息根据设定的阈值进行偏好标记，生成用户物品偏好信息，根据偏好标记从用户物品偏好信息中筛选出给定目标用户喜欢的物品集合以及喜欢给定候选物品的用户集合；

第一偏好分数得出模块，用于基于给定目标用户喜欢的物品集合得到物品交互频率，根据融合物品交互频率的注意力网络获取目标用户对物品的偏好表示，并将目标用户对物品的偏好表示与给定的候选物品的嵌入向量进行点积运算，得到目标用户对候选物品的偏好分数；

第二偏好分数得出模块，用于基于喜欢给定候选物品的用户集合得到用户交互频率，根据融合用户交互频率的注意力网络获取候选物品被用户喜欢的偏好表示，并将候选物品被用户喜欢的偏好表示与目标用户的嵌入向量进行点积运算，得到候选物品被目标用户喜欢的偏好分数；

物品推荐模块，用于将第一偏好分数得出模块得到的目标用户对候选物品的偏好分数和第二偏好分数得出模块得到的候选物品被目标用户喜欢的偏好分数进行加权求和，计算目标用户对候选物品的交互预测分数并排序，选择top‑k个交互预测分数较高的候选物品进行推荐。