El objetivo principal de la recomendación basada en sesiones (SBR) es analizar la lista de posibles elementos de interacción siguientes a través de la secuencia de interacción histórica del usuario. Los modelos existentes de recomendación de sesiones modelan directamente la secuencia de sesiones como un grafo, y solo consideran la agregación de elementos vecinos basados en información de estructura espacial, ignorando la información temporal de los elementos. La escasez de secuencias de interacción también afecta la precisión de la recomendación. Este artículo propone un modelo de red de atención de gráficos heterogéneos de contraste espacio-temporal (STC-HGAT). La secuencia de sesiones se construye como un hipercubo heterogéneo espacial, se utiliza un algoritmo de asignación latente de Dirichlet (LDA) para construir los nodos de categoría de los elementos y así mejorar la información semántica contextual del hipercubo, y se emplea la red de atención de hipercubos para capturar la información de estructura espacial de la sesión. Se construye un gráfico heterogéneo temporal para agregar la información temporal del elemento. Luego, la información espacial y temporal se fusionan mediante sumpooling. Mientras tanto, se agrega un factor de modulación a la función de pérdida de entropía cruzada para construir la función de pérdida de peso adaptativo (AW). El aprendizaje contrastivo (CL) se utiliza como tarea auxiliar para mejorar aún más el modelado, con el fin de aliviar la escasez de datos. Un gran número de experimentos en conjuntos de datos públicos reales muestran que el modelo STC-HGAT propuesto en este artículo es superior a los modelos de referencia en métricas como y, mejorando el rendimiento de recomendación hasta cierto punto.