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