构建电商兴趣图谱可分为数据建模→图谱构建→查询应用三个阶段：
数据建模阶段
- 定义节点类型：
User,Product,Behavior(点击/收藏/购买) - 设计带时间戳的关系：
VIEWED_AT,PURCHASED_ON
图谱构建示例
graph = Graphiti()
# 添加用户节点
graph.add_node("User",
user_id="U123",
name="Alice",
demographics="female_25_35")
# 添加商品节点
graph.add_node("Product",
sku="P789",
category="running_shoes",
brand="Adidas")
# 添加带时间的行为关系
graph.add_edge("U123", "VIEWED", "P789",
timestamp="2023-05-15T14:30:00",
session_duration=120)
典型查询场景
- 实时推荐：
MATCH (u:User)-[r:VIEWED|PURCHASED]->(p:Product) WHERE r.timestamp > datetime()-7d RETURN p.sku - 兴趣演变分析：按季度统计用户品类偏好的变化趋势
- 跨用户推荐：通过图算法发现相似用户群
实际案例显示，采用该方案可使电商CTR提升15-20%，主要得益于时间维度的精准兴趣捕捉。
本答案来源于文章《Graphiti：动态知识图谱构建和查询工具（具有时间感知的长记忆方案）》
未经允许不得转载：AI生产力工具 » 如何使用Graphiti构建一个电商用户兴趣图谱？具体步骤是什么？
简体中文 
English 
日本語 
Deutsch 
Português do Brasil