基于知识图谱的个性化推荐

原文：KGAT: Knowledge Graph Attention Network for Recommendation
源码：knowledge_graph_attention_network

假设项与项（这里我们把它称作实体，记为$h$和$t$）之间存在某种关系$r$，其中$h,t\in \mathcal{E}$，$r\in \mathcal{R}$。于是可以得到这样一个知识图谱：

G = { ( h , r , t ) ∣ h , t ∈ E , r ∈ R } G=\{(h, r, t) | h, t \in \mathcal{E}, r \in \mathcal{R}\} G={ (h,r,t)∣h,t∈E,r∈R}

其中$\mathcal{E}$是实体集，$\mathcal{R}$是边集。

存在用户$u\in \mathcal{U}$, 该用户与项$i$之间存在某种交互（即包括购买行为，点击行为等等），这种交互以及用户和项可以构成图$G^{\prime }$：

G ′ = { ( u , y u i , i ) ∣ u ∈ U , i ∈ I } G^\prime = \{(u, y_{ui}, i) | u \in \mathcal{U}, i \in \mathcal{I}\} G′={ (u,yui​,i)∣u∈U,i∈I}

其中$\mathcal{U}$是用户集，$\mathcal{I}$是项集。$y_{ui}=1$表示用户$u$与项$i$之间存在交互，$y_{ui}=0$表示用户$u$和项$i$之间不存在交互。

为了利用知识图谱来完成个性化推荐，我们可以将$G$和$G^{\prime }$融合。即${\mathcal{E}}^{\prime }$