【导读】:最近一直在思考怎么用知识图谱做推荐,但是目前能知道的内容都是基于路径的推荐和基于图特征的推荐,所以能不能换一个角度,探究一下用知识图谱怎么做用户画像,因为画像也是推荐系统重要的一部分。
现在的知识图谱+推荐怎么做的
传统的用户画像怎么做
现在的知识图谱+推荐怎么做的?
基于路径:可以理解成基于图谱的多路径召回,或者多路径推荐,然后根据路径的转移概率进行排序从而达到推荐的效果,基于路径比较适合简单的推荐系统,或者推荐系统的冷启动阶段;
基于图特征:计算出节点和关系在网络中的特征表示,然后拿特征表示进行召回和排序;但是我认为还是具有局限性,特别是在网络异常稀疏的情况下,所以这种情况下比较适合稠密的网络,不适用于冷启动阶段。
大多数情况下就推荐系统而言,排序比召回更重要,召回可以设计很多的策略召回很多的商品,随便一条策略都可以召回,但是排序才是衡量具体给用户推荐哪些商品,所以重点在如何做好排序,或者说知识图谱如何做好推荐系统的排序,能带来哪些创新和提升,这才能体现出知识图谱的价值。但是就上面的两种方式确实能提供排序效果,但是我认为还不够,我认为知识图谱还能做更多,那怎么将知识图谱更好的融入到推荐系统当中,我做了很多的思考,用知识图谱做用户画像就是其中一点。
传统的用户画像怎么做?
这是我专栏的另一篇文章,简单的介绍了一下从风控角度,用户画像该怎么做,