基于知识图谱的推荐系统

知识图谱是一种语义网络，其结点代表实体，边代表实体 之间的各种语义关系。

一个知识图谱由若干个三元组（h、r、t）组成，其中 h 和 t 代表一条关系的头结点和尾节点，r 代表关系。

 知识图谱可以用来表示实体之间的关系，如推荐系统中物品与物品、用户与物品、用户与用户之间的关系。这些关系信息可以表示用户偏好与物品相似度等信息，将这些信息引入推荐系统中可以显著缓解推荐系统面临的冷启动与数据稀疏问题。

知识图谱的引入可以让推荐结果更加具有以下特征：

• 精确性（precision）。知识图谱为物品引入了更多的语义关系，可以深层次地发现用户兴趣
• 多样性（diversity）。知识图谱提供了不同的关系连接种类，有利于推荐结果的发散，避免推荐结果局限于单一类型；
• 可解释性（explainability）。知识图谱可以连接用户的历史记录和推荐结果，从而提高用户对推荐结果的满意度和接受度，增强用户对推荐系统的信任。

 

从模型结构角度来看，知识图谱与推荐系统的结合有三种形式：依次训练、联合训练、交替训练，下文将对这三种结合形式下的主要工作进行综述。