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