سامانه توصیه‌گر مبتنی بر گراف دانش با استفاده از شبکه عصبی کانولوشن

استفاده از گراف دانش به عنوان اطلاعات جانبی در سامانه‌های توصیه‌گر مدرن به طور گسترده افزایش پیدا کرده است. اکثر سامانه‌های توصیه‌گر مبتنی بر گراف دانش از فاکتورسازی ماتریس (mf) جهت مدل‌سازی روابط کاربر و آیتم استفاده می‌کنند. این امر باعث می‌شود سامانه توصیه گر به‌سختی تعاملات پیچیده بین کاربران و آیتم‌ها را مدل سازی کند. برای رفع این مشکل، در این مقاله مدل ripple_oncf ارائه شده است. این مدل، شبکه عصبی کانولوشن را به مدل ripplenet می-افزاید. مدل ripplenet یک سامانه توصیه گر مبتنی بر گراف دانش می‌باشد. برای ارزیابی عملکرد مدل پیشنهادی، آزمایش‌های گسترده‌ای روی دو مجموعه‌داده دنیای واقعی در دو سناریوی شروع-سرد و شروع-گرم انجام شده است. نتایج آزمایش ها نشان می‌دهد که مدل ripple_oncf عملکرد قابل قبولی به ویژه در حالت شروع-سرد و پراکندگی داده ها داشته است.