基于RippleNet算法的装备拆装知识个性化推荐方法

本发明涉及一种基于RippleNet算法的装备拆装知识个性化推荐方法，包括下列步骤：S1：对装备拆装知识图谱中的节点和关系及用户点击历史进行数据预处理，以三元组形式存储头节点，关系和尾节点；S2：基于知识图谱中的三元组数据，使用Doc2Vec、TransD、Struc2Vec模型生成节点的多维度嵌入向量；S3：将多维嵌入向量拼接后通过单层神经网络进行融合降维，得到每个节点的综合嵌入向量；S4：基于节点的综合嵌入向量与用户历史交互数据，训练RippleNet模型，通过偏好传播的方式，生成用户的向量表示；S5：进行用户向量与节点向量的相似度匹配，提供基于多维度的拆装知识的个性化推荐。