基于强化学习的知识图谱产品推荐方法

来源：计算机测量与控制杂志2025年第8期北京时间：

作者：王快,张骞,易元刚

单位：重庆市测绘科学技术研究院

摘要：考虑产品环境感知状态选择对后续行为的影响，提出基于强化学习的知识图谱推荐方法。该方法构建一个强化学习知识推荐框架，结合短期奖励与长期增量评价提出双重奖励驱动机制，用于改进演员-评论家网络的全局推理能力；利用增强损失约束作为信号监督策略梯度更新，形成自监督路径推理策略。通过实验证明：作为改进实体知识推荐实例，所提方法相比基准学习方法具有较高的推荐精度和平均奖励，能够引导策略寻找推荐路径并提供有效解释，为知识推理提供了决策支持。

关键词：强化学习;知识图谱;双重奖励驱动;自监督推理;增强损失约束

基金资助：国家自然科学基金(编号41801274)、重庆市科研机构绩效激励引导专项项目(编号CSTB2023JXJL-YFX0048)