本发明公开了基于自适应降噪训练的推荐方法、系统、电子设备及介质，涉及计算机技术领域，本发明在一个以图卷积神经网络为基础的推荐系统上，在训练阶段对损失函数做截断处理或重新加权处理，在模型的训练阶段自动地进行降噪处理。与现有技术相比而言，以往的推荐模型不考虑在训练阶段专门针对隐式反馈伴随的噪声问题进行处理；而本发明通过对损失函数进行截断或加权处理，以此来对打分函数进行优化处理，可以大大减少假阳性交互行给训练模型带来的噪声影响，不仅可以减少人工筛除假阳性交互行为的工作量，提升推荐的准确率，同时可缓解训练模型过早的出现过拟合现象。