基于KGCN與RippleNet的推薦系統(tǒng)核心特征提取研究

打開文本圖片集

摘要：文章提出了一種將KGCN和RippleNet相結合的方法，其利用KGCN提取知識圖譜中的實體和關系信息[1]，利用RippleNet對用戶和商品進行表示，從而提高推薦效果。實驗結果表明，該方法可以顯著提高推薦效果，并提取出一些核心特征。

關鍵詞：推薦系統(tǒng)；知識圖譜；圖卷積網絡；KGCN；RippleNet

doi：10.3969/J.ISSN.1672-7274.2023.06.010

中圖分類號：TP 183，TP 391.1           文獻標志碼：A             文章編碼：1672-7274（2023）06-00-03

Abstract：  The article proposes a method that combines KGCN and RippleNet， which utilizes KGCN to extract entity and relationship information from the knowledge graph [1]， and uses RippleNet to represent users and products， thereby improving recommendation effectiveness. The experimental results show that this method can significantly improve recommendation performance and extract some core features.

Key words： recommendation system; knowledge map; graph convolution network; KGCN; RippleNet

推薦系統(tǒng)利用電子商務網站向客戶提供商品信息和建議，幫助用戶決定應該購買什么產品，模擬銷售人員幫助客戶完成購買過程[2]，已經被廣泛應用于電商、社交媒體等領域。（剩余4265字）