知识图谱在推荐系统中应用探索.pptxVIP

知识图谱在推荐系统中的应用;学习的哲学思考;什么是知识图谱？;NLP技术栈;结构化知识;知识抽取;精确性

多样性

可解释性;知识图谱在搜索中的优势;推荐问题从本质上说就是代替用户评估其从未看过、接触过和使用过的物品，包括书籍、电影、新闻、音乐、餐馆、旅游景点等。推荐系统作为一种信息过滤的重要手段，是当前解决信息超载问题的最有效的方法之一，是面向用户的互联网产品的核心技术。

存在的痛点：

稀疏性问题

冷启动问题

……

;精确性

多样性

可解释性;精确性

多样性

可解释性;基于特征的推荐方法

基于特征的推荐方法，主要是从知识图谱中抽取一些用户和物品的属性作为特征，放入到传统模型中，如FM模型、LR模型等等。这并非是专门针对知识图谱设计，同时也无法引入关系特征。基于该类方法的通用性，我们可以将知识图谱弱化为物品属性，然后应用该类方法即可。当然，这种做法的缺点也显而易见：它并非专门针对知识图谱设计，因此无法高效地利用知识图谱的全部信息。例如，该类方法难以利用多跳的知识，也难以引入关系（relation）的信息。

基于路径的推荐方法

异构信息网络，构造meta-path

优点：充分利用关系特征

缺点：需要手动设计meta-path;基于知识图谱特征学习的方法

;知识图谱特征学习的方法

1.基于距离的翻译模型（distance-basedtranslationalmo