论文阅读笔记_《基于知识图嵌入的协同过滤推荐算法_张屹晗》

论文阅读笔记_《基于知识图嵌入的协同过滤推荐算法_张屹晗》

知识储备

1、Freebase是一个由元数据组成的大型合作知识库，结构化数据，结构分为三层：Domain -> Type -> Topic，全部数据迁移至Wikidata（Freebase 是已经被废弃的知识库）
2、TransR 空间投影，创新点是将 TransH 的投影到超平面更进一步——投影到空间，本质是将投影向量换为投影矩阵，实体还是用一个向量表示，关系用一个向量和一个矩阵表示。效果提升并不大，但计算量显著增大。TransR 的 R 代表 relation space
3、Top-N推荐是指寻找一组最有可能引起特定用户兴趣的N个物品并将其以列表的形式推荐给该用户的任务
4、Adam 是一种可以替代传统随机梯度下降过程的一阶优化算法，它能基于训练数据迭代地更新神经网络权重（参考：Adam优化算法）

5、性能评估指标：准确率Precision、召回率Recall、F1是Precision 和 Recall的调和平均值和 NDCG为标准化折现累积收益，是一种衡量排名质量的指标，通过归一化的得分来评估测试集中每一个用户得到的推荐列表结果。

摘要

针对如何获取项目的结构化知识并对其进行语义特征提取这一问题，提出了一种基于知识图嵌入的协同过滤推荐算法(Knowledge Graph Embedding based Collaborative Filtering&