Обзор рекомендательных систем на основе графов знаний

Для решения проблемы информационного взрыва и улучшения пользовательского опыта в различных онлайн-приложениях были разработаны рекомендательные системы для моделирования предпочтений пользователей. Несмотря на многочисленные усилия по созданию более персонализированных рекомендаций, рекомендательные системы по-прежнему сталкиваются с рядом проблем, таких как нехватка данных и проблема холодного старта. В последние годы генерация рекомендаций с использованием графа знаний в качестве вспомогательной информации привлекает значительный интерес. Такой подход может не только смягчить указанные проблемы для более точных рекомендаций, но и обеспечить объяснимость рекомендуемых объектов. В этой статье мы проводим систематический обзор рекомендательных систем на основе графов знаний. Мы собираем недавно опубликованные работы в этой области и объединяем их в три категории: методы на основе встраиваний, методы на основе связей и методы на основе распространения. Каждую категорию мы далее подразделяем в соответствии с характеристиками подходов. Более того, мы исследуем предложенные алгоритмы, сосредотачиваясь на том, как работы используют граф знаний для получения точных и объяснимых рекомендаций. Наконец, мы предлагаем несколько потенциальных направлений дальнейших исследований в этой области.