本发明公开了一种基于GCN的增强影响扩散社交推荐方法，基于信任的传递性和动态性特点，模拟社交递归动态传播影响的过程，构建了增强影响扩散模型，将基于用户与物品的历史交互记录的信任融合到递归社交动态建模中，以解决不同用户因信任关系而面向不同物品进行推荐的问题；同时，引入了注意力机制，为社交图中的用户给予不同的重要性，以解决同阶领域权重分配问题；在递归计算长距离的社交关系时，提出基于残差连接方式来减少噪声的影响；最后，预测用户未来的行为和偏好。本发明充分利用了用户周围邻居的偏好来减轻用户稀疏性，设计了一个基于神经网络的模型模拟社交影响递归传播过程，从而提升推荐性能。