案例20：商品购物序列推荐实战：基于KERL模型实现用户购买商品推荐 代码+数据

• 案例知识点

• 以用户的历史购买行为为基础，推荐其可能购买的下一个商品序列推荐是指基于用户的历史行为数据，推荐下一个可能购买的商品。这个模型将知识图谱和强化学习引入到序列推荐中，

  传统的序列推荐算法在捕获用户长期兴趣方面存在不足。因此将强化学习引入到序列推荐中。强化学习的最大挑战是random exploration 。当我们从当前状态转移到下一个状态时，动作空间都是所有的item集，这是一个很大的数字。因此，没有指导的完全random exploration很难优化。因此，受知识图及其在各个领域的适用性的启发，我们希望利用知识图来指导基于RL的推荐方法。

• 模型图：

  

• 流程图：

  

• 数据集：基于KERL模型实现用户行为序列推荐任务.zip-深度学习文档类资源-CSDN下载

• 运行环境:在Python3.7环境下测试了本教程代码。需要的