知识图谱与推荐系统结合的方法

1：基于特征的推荐
使用的只是实体的特征（包括用户和属性）来放到传统的模型中，没有用到关系特征。代表算法：LibFM
2：基于路径的推荐
利用知识图谱本身的结构，通过图谱里实体与实体之间的关系来推荐，但缺点是需要手动设计这种路径，而且手动设计的路径不能迁移到其他领域。代表算法：PER,MetaGraph
3：知识图谱特征学习
从知识图谱中学到实体和关系的低维特征，分为两类：基于距离和基于语义的模型
基于距离：TransE,TransH,TransR等算法
基于语义：SME,NTN,MLP,NAM

特征学习与知识图谱结合的方式：
1：依次训练：DKN
2：联合训练：CKE、Ripple Network
3：交替训练：MKR

知识图谱与推荐系统结合的方法相关推荐

论文浅尝 | 中科院百度微软等学者最新综述论文40+最新方法阐述知识图谱提升推荐系统准确性与可解释性...
本文转载自公众号:先知. [导读]近来,知识图谱用于推荐系统是关注的焦点,能够提升推荐系统的准确性与可解释性.如何将知识图谱融入到推荐系统呢? 最近中科院计算所百度微软等学者最新综述论文<A ...
RippleNet：知识图谱与推荐系统联合学习 CIKM 2018
论文链接:https://arxiv.org/pdf/1803.03467.pdf 代码链接:https://github.com/qibinc/RippleNet-PyTorch 参考文档:http ...
A Survey on Knowledge Graph-Based Recommender Systems 知识图谱提升推荐系统准确性与可解释性ArXiv 2020
论文链接:https://arxiv.org/pdf/2003.00911.pdf 导读近来,知识图谱用于推荐系统是关注的焦点,能够提升推荐系统的准确性与可解释性.如何将知识图谱融入到推荐系统呢? ...
如何将知识图谱引入推荐系统？
分享嘉宾:王鸿伟斯坦福大学博士后编辑整理:屈垠岑出品平台:DataFunTalk 导读:在信息爆炸的互联网时代,推荐系统可以理解用户的个性化偏好和需求,帮助用户筛选出自己感兴趣的产品和服务.然 ...
知识图谱推理：现代的方法与应用
摘要: 知识图谱推理技术再根据已有的知识推导出新的知识,是机器智能具有和人类一样的推理能力和决策能力的关键性技术,系统的研究了知识图谱推理的现代方法,通过统一的架构介绍了向量空间中进行知识图谱推理的现 ...
《DKN: Deep Knowledge-Aware Network for News Recommendation》知识图谱与推荐系统结合之DKN
转自:https://cloud.tencent.com/developer/article/1095691 [导读]传统的新闻推荐算法仅仅从语义层对新闻进行表示学习,而忽略了新闻本身包含的知识层面的 ...
知识图谱论文阅读（八）【转】推荐系统遇上深度学习(二十六)--知识图谱与推荐系统结合之DKN模型原理及实现
学习的博客: 推荐系统遇上深度学习(二十六)–知识图谱与推荐系统结合之DKN模型原理及实现知识图谱特征学习的模型分类汇总知识图谱嵌入(KGE):方法和应用的综述论文: Knowledge Gra ...
知识图谱用于推荐系统问题（MKR，KTUP，KGAT）
前一篇文章介绍了知识图谱用于推荐系统问题(CKE,RippleNet),这一篇博文目整理对KG和RC融合的更加深入的两篇文章MKR,KTUP.MKR利用一个Cross单元使两者融合,KTUP则是相互补 ...
知识图谱与推荐系统之《Multi-Task Feature Learning for Knowledge Graph Enhanced Recommendation》MKR
依次训练的方法主要有:Deep Knowledge-aware Network(DKN) 联合训练的方法主要有:Ripple Network 交替训练主要采用multi-task的思路,主要方法有:M ...

知识图谱与推荐系统结合的方法

知识图谱与推荐系统结合的方法相关推荐

最新文章

热门文章