基于KGCN与RippleNet的推荐系统核心特征提取研究

打开文本图片集

摘要：文章提出了一种将KGCN和RippleNet相结合的方法，其利用KGCN提取知识图谱中的实体和关系信息[1]，利用RippleNet对用户和商品进行表示，从而提高推荐效果。实验结果表明，该方法可以显著提高推荐效果，并提取出一些核心特征。

关键词：推荐系统；知识图谱；图卷积网络；KGCN；RippleNet

doi：10.3969/J.ISSN.1672-7274.2023.06.010

中图分类号：TP 183，TP 391.1           文献标志码：A             文章编码：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

推荐系统利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程[2]，已经被广泛应用于电商、社交媒体等领域。（剩余4265字）