近段时间,基于知识图谱的推荐系统(KG-based recommendation system, KGRS)引起研究者的广泛兴趣,主要是把知识图谱作为辅助信息整合到推荐系统中,这样的做法带来两个方面的优势,其一是能够提高推荐系统的准确性,其二是能够为推荐系统提供可解释性。 准确性:知识图谱可以用来表示实体之间的关系,可以将 item 及其属性信息映...
一种典型的利用知识图谱的推荐系统定义如下: U ={u1 ,u2 ,⋯} 和 I ={i1 ,i2 ,⋯} 分别表示用户和项目的集合,利用用户的反馈信息构建用户-项目的交互矩阵Y ,其中 yui 表示用户 u 和项目 i 之间存在交互。此外,V和R 分别表示知识图谱中的实体集合和关系集合,知识图谱 G ={(h,r,t)|h,t ∈ ...
学术界与工业界的研究者已经构建了一系列知识图谱, 例如 DBpedia KG1)、AceKG2)、Microsoft Satori3)、百度知识图谱4)和 OwnThink KG5)等. 本文将对基于知识图谱的推荐系统从方法、应用两方面进行系统性的综述. 具体地, 我们通 过调研分析近年来的相关文章, 从两类技术方法: 基于嵌入的方法 [10∼12] 和...
首先,介绍推荐系统和知识图谱的基本概念,揭示传统推荐算法的局限性,强调知识图谱在推荐系统中的关键作用。接着,详细分析了三种核心技术:知识图谱嵌入、路径实例挖掘和高阶信息聚合,对比其优缺点和适用场景。这些方法如表1所示,主要源于推荐系统领域的顶级会议和期刊。知识图谱嵌入通过图嵌入技术捕捉用户和...
盐九生创建的收藏夹NLP内容:【NLP各领域必读!】人工智能70篇综述!知识图谱、语音识别、推荐系统等方向论文合集!——人工智能|自然语言处理|,如果您对当前收藏夹内容感兴趣点击“收藏”可转入个人收藏夹方便浏览
LLM 在推荐系统的综述 | 综述性质的论文,还是来了。这篇文章系统性的讲述了目前 LLM 和推荐结合的主流场景,主要有原生 LLM 推荐、序列推荐、对话推荐、知识图谱推荐、重排序推荐、提示词工程、微调大模型等。 从实际我们的探索来说,LLM 的使用代价还是偏高了,主要还是在一些离线的场景可以落地,但这些文章的思想是...
1.2 基于知识图谱的推荐系统 近段时间,基于知识图谱的推荐系统(KG-based recommendation system, KGRS)引起研究者的广泛兴趣,主要是把知识图谱作为辅助信息整合到推荐系统中,这样的做法带来两个方面的优势,其一是能够提高推荐系统的准确性,其二是能够为推荐系统提供可解释性。
知识图谱推荐系统方法 Embedding-based方法 基于嵌入的方法通常直接使用来自KG的信息来丰富项目或用户的表示。为了利用KG信息,需要使用知识图嵌入(KGE)算法将KG编码为低秩嵌入。KGE算法可分为两类[98]:翻译距离模型,如TransE[99]、TransH[100]、TransR[101]、TransD[102]等;语义匹配模型,如DistMult[103]等。
知识图谱中item之间丰富的语义关系有助于探索它们之间的联系并改进item表征;2. 知识图谱连接了用户历史喜好 items 和被推荐 items,能有助于提升模型可解释性。 但是,知识图谱也存在结构复杂的问题,实体(entities)和关系(relations)都有多个种类。目前高效的基于知识图谱的推荐系统有两大主要问题: 图谱构建 如何聚合 ...