【摘要】针对云制造服务平台上的海量制造服务信息所带来的信息过载问题，提出一种基于图神经网络的云制造服务推荐方法，有效克服了传统推荐方法无法利用数据高维特征的局限性。提取平台上制造服务资源的特征，根据不同的相似度计算方法将制造服务资源构建为网络图；利用邻居采样图神经网络(graph sample and aggregate, GraphSAGE)进行网络的表示学习，并将学习到的网络特征带入链接预测函数进行模型训练；通过对资源节点间的链接概率进行预测，完成对用户的制造服务推荐。结果表明，基于图神经网络算法的链接预测模型，其预测性能要优于所对比的共同邻居(common neighbors, CN)、Adamic-adar (AA)与资源分配(resource allocation, RA)链接预测算法，从而取得较好的推荐效果，为解决云制造服务推荐问题提供理论依据，有助于提高用户的决策效率。