To solve the information explosion problem and enhance user experience in various online applications, recommender systems have been developed to model users preferences. Although numerous efforts have been made toward more personalized recommendations, recommender systems still suffer from several challenges, such as data sparsity and cold start. In recent years, generating recommendations with the knowledge graph as side information has attracted considerable interest. Such an approach can not only alleviate the abovementioned issues for a more accurate recommendation, but also provide explanations for recommended items. In this paper, we conduct a systematical survey of knowledge graph-based recommender systems. We collect recently published papers in this field and summarize them from two perspectives. On the one hand, we investigate the proposed algorithms by focusing on how the papers utilize the knowledge graph for accurate and explainable recommendation. On the other hand, we introduce datasets used in these works. Finally, we propose several potential research directions in this field.


翻译:为了解决信息爆炸问题和增加用户在各种在线应用方面的经验,开发了建议系统,以模拟用户偏好。虽然为更个性化的建议做出了许多努力,但建议系统仍面临若干挑战,如数据宽广和冷淡的开始。近年来,以知识图表作为侧面信息产生建议引起了相当大的兴趣。这种办法不仅可以缓解上述问题,以便提出更准确的建议,而且还可以解释建议的项目。在本文件中,我们对基于图表的知识推荐系统进行系统调查。我们从两个角度收集最近出版的这一领域的论文并总结这些论文。一方面,我们研究拟议的算法,重点是文件如何利用知识图表提出准确和可解释的建议。另一方面,我们引入了这些作品中使用的数据集。最后,我们提出了该领域的若干潜在研究方向。

92
下载
关闭预览

相关内容

《计算机信息》杂志发表高质量的论文,扩大了运筹学和计算的范围,寻求有关理论、方法、实验、系统和应用方面的原创研究论文、新颖的调查和教程论文,以及描述新的和有用的软件工具的论文。官网链接:https://pubsonline.informs.org/journal/ijoc
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
LibRec 精选:推荐系统9个必备数据集
LibRec智能推荐
6+阅读 · 2018年3月7日
【推荐】RNN最新研究进展综述
机器学习研究会
25+阅读 · 2018年1月6日
【论文】图上的表示学习综述
机器学习研究会
13+阅读 · 2017年9月24日
VIP会员
相关VIP内容
Top
微信扫码咨询专知VIP会员