統一知識圖學習和推薦:更好地理解用戶偏好Unifying Knowledge Graph Learning and Recommendation

摘要： 將知識圖(KG)引入推薦系統，可以提高推薦的準確性和可解釋性。然而，現有的方法在很大程度上假定KG是完整的，並且只是在實體原始數據或嵌入的淺層次上傳輸KG中的「知識」。這可能導致性能不夠理想，因爲實際的KG幾乎不可能完成，而且通常KG缺少事實、關係和實體。因此，我們認爲在將KG引入推薦系統時，考慮其不完全性是非常重要的。      在本文中，我們共同學習了推薦模型和知識圖補全。與以往基於K

>>阅读原文<<