关键词：异构图;图神经网络模型;GATNE模型;推荐系统;中国石油;零售客户营销
摘 要：随着数字化商务的飞速发展，个性化推荐系统在增强用户体验，提高销售效率方面起到了至关重要的作用。在这方面，图神经网络（GNN）因其在处理图形数据结构、捕捉复杂的节点关系方面的优越性，被广泛应用于推荐系统中。本研究主要关注推荐系统的优化，采用通用属性多重异构网络嵌入（GATNE）模型对异构图进行处理，实现更精确的个性化推荐。通过对中国石油市场营销的数据进行实证研究发现，相较于传统的推荐系统方法，GATNE模型在提升推荐精度、增加商品覆盖度以及预测用户购买行为方面表现出显著优势。实验结果揭示了如何有效地挖掘出用户的购买习惯和商品之间的深层次关联，探索了该模型在增强推荐多样性、防止推荐结果过于集中的能力，为中国石油提供了更深入理解客户需求、提升市场营销效果的新方法。研究结果表明，使用GATNE模型进行个性化推荐，可以显著提高推荐效果，进一步推动中国石油在数字化商务领域的创新和发展。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取