本研究提出EPR-GAIL框架，以更真实地模拟用户消费行为，解决数据完整性不足的问题。实验结果表明，该框架在数据真实性上超越现有最佳基准19%，并在销售预测和位置推荐中分别提高了35.29%和11.19%的表现。

本文介绍了一种新的多组件图卷积协同过滤算法(MCCF)，用于预测用户的消费行为。该算法通过分解和组合两个模块，能够准确预测用户的购买动机。实验证明该算法在真实数据集上表现优异，并证明了考虑多个组件的必要性。