سامانه توصيه‌گر مبتني بر گراف دانش با استفاده از شبكه عصبي كانولوشن

استفاده از گراف دانش به عنوان اطلاعات جانبي در سامانه‌هاي توصيه‌گر مدرن به طور گسترده افزايش پيدا كرده است. اكثر سامانه‌هاي توصيه‌گر مبتني بر گراف دانش از فاكتورسازي ماتريس (MF) جهت مدل‌سازي روابط كاربر و آيتم استفاده مي‌كنند. اين امر باعث مي‌شود سامانه توصيه گر به‌سختي تعاملات پيچيده بين كاربران و آيتم‌ها را مدل سازي كند. براي رفع اين مشكل، در اين مقاله مدل Ripple_ONCF ارائه شده است. اين مدل، شبكه عصبي كانولوشن را به مدل RippleNet مي-افزايد. مدل RippleNet يك سامانه توصيه گر مبتني بر گراف دانش مي‌باشد. براي ارزيابي عملكرد مدل پيشنهادي، آزمايش‌هاي گسترده‌اي روي دو مجموعه‌داده دنياي واقعي در دو سناريوي شروع-سرد و شروع-گرم انجام شده است. نتايج آزمايش ها نشان مي‌دهد كه مدل Ripple_ONCF عملكرد قابل قبولي به ويژه در حالت شروع-سرد و پراكندگي داده ها داشته است.