Обзор рекомендательных систем на основе графов знаний
A Survey on Knowledge Graph-Based Recommender Systems
2020-10-07
SCID: 54.1/6ucvzaej
Discuss with AI
методы на основе соединенийметоды на основе встраиванияграф знанийрекомендательные системы на основе графа знанийметоды на основе распространения
Figures from the paper
Abstract (AI)
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.
Key Findings
1
Каждую из трёх категорий можно дополнительно подразделить в зависимости от характеристик методов
2
Рекомендации на основе KG могут повысить точность рекомендаций и обеспечить объяснимость рекомендуемых объектов
3
Графы знаний (KG) в качестве дополнительной информации могут смягчить проблемы разреженности данных и холодного старта в рекомендательных системах
4
Статья предлагает несколько потенциальных направлений исследований в области рекомендательных систем на основе графов знаний
5
В работе проанализировано, как существующие алгоритмы используют KG для получения точных и объяснимых рекомендаций
6
Обзор классифицирует методы рекомендательных систем на основе KG на три основные категории: методы на основе встраиваний, методы на основе связей и методы на основе распространения
Research Object
Рекомендательные системы, использующие граф знаний
Research Subject
Использование графов знаний для повышения точности и объяснимости рекомендаций, включая категоризацию и анализ методов на основе встраиваний, связей и распространения
Publication Details
Publication Date
2020-10-07
Journal
Publisher
ISSN
Cited by
1077
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai14
Использование генеративного искусственного интеллекта для масштабирования интеллектуальных обучающих систем2023
Обучение представлений фраз с использованием RNN энкодер–декодера для статистического машинного перевода2014
Сверточные нейронные сети для классификации предложений2014
Встраивание графа знаний посредством трансляций на гиперплоскостях2014
Обучение встраиваний сущностей и отношений для дополнения графа знаний2015
Обзор методов коллаборативной фильтрации2009
DBpedia — масштабная многоязычная база знаний, извлечённая из Википедии2015
Обзор графов знаний: представление, получение и приложения2021
Коллаборативная фильтрация для наборов данных с косвенной обратной связью2008
Встраивание графа знаний: обзор подходов и приложений2017
Графы знаний2021
Встраивание (эмбеддинг) графа знаний с помощью динамической матрицы отображения2015
Уточнение графов знаний: обзор подходов и методов оценки2016
Целевой выбор ветвления для задачи максимального независимого множества с использованием графовых нейронных сетей2024