知识图谱学习解决推荐中的冷启动问题

【阅读笔记】

希望这篇我能认认真真写完整！！！

文章：MetaKG：Meta-learning on Knowledge Graph for Cold-start Recommendation

动机：

现有的基于KG的推荐方法针对KG中隐藏的长连接用户-项交互的高阶关系/依赖进行建模。然而，它们大多数都忽略了推荐分析的冷启动问题(即用户冷启动和项目冷启动)，这限制了它们在涉及新用户或新项目的场景下的性能。基于元学习在稀缺训练样本上的成功，作者提出了一个新的基于元学习的框架MetaKG，该框架包含一个协作意识元学习者和一个知识意识元学习者，用来捕获元用户的偏好和实体知识，用于冷启动推荐。

方法：

受元学习的启发，如果我们将每个用户的偏好学习视为一个单独的任务，我们可以将不同用户的偏好学习建模为元学习设置下的不同任务。（每个用户的偏好为一个task任务量可不小啊！！！）

• The collaborative-aware meta learner：局部聚合每个用户偏好学习任务的用户偏好。 the
• knowledge-aware meta learner ：是跨不同用户偏好学习任务对知识表示进行全局概化。

在两个meta learner的引导下，MetaKG可以有效地捕获高阶协作关系和语义表示