【WSDM2020-北大&Hulu&Facebook】将结构化知识蒸馏到到嵌入表示以获得可解释和准确的推荐（Distilling Structured Knowledge into Embeddings forExplainable and Accurate Recommendation）

题目： Distilling Structured Knowledge into Embeddings forExplainable and Accurate Recommendation

摘要： 近年来，基于嵌入的推荐模型（例如，MAR-Trx分解和深度模型）由于其有效性和灵活性，在学术界和产业界已经普遍存在，但也存在着缺乏透明性和数据稀疏性等固有的局限性。本文提出了一个端到端的联合学习框架，通过从基于可微路径的推荐模型中提取结构化知识，在不增加额外开销的情况下，克服了这些限制。通过大量的实验，我们证明了我们提出的框架能够达到最新的推荐性能，同时给出了可解释的推荐理由。

作者简介：

Yuan Zhang，俄亥俄州立大学统计部助理教授。

Xiaoran Xu，Facebook的研究科学家。