基于深度学习的个性化商品推荐优化方法

本发明公开了基于深度学习的个性化商品推荐优化方法，包括如下步骤：S1、构建数据集；S2、构建多维度知识图谱，并利用知识图谱嵌入算法将多维度知识图谱嵌入到低维空间中；S3、使用时序图谱模型构建用户兴趣轨迹图谱，并基于捕捉长期与短期兴趣变化生成用户兴趣向量；S4、利用改进的飞蛾扑火算法获取优化后的用户兴趣向量；S5、基于优化后的用户兴趣向量，结合图神经网络学习用户与商品之间、用户与用户之间、商品与商品之间的关系；S6、根据图神经网络学习结果以及用户的实时行为反馈，生成个性化商品推荐列表。本发明融合多维度知识图谱、时序图谱建模、飞蛾扑火算法及图神经网络等，实现了个性化商品推荐的优化。