推荐任务中知识图谱嵌入应用研究综述

摘要：

推荐系统旨在为用户推荐个性化内容以提升用户体验,但目前仍面临着诸如可解释性差、冷启动问题和序列化推荐建模等挑战.近年来,蕴含大量结构化知识和语义信息的知识图谱(KG)被广泛应用于各种推荐任务中以期缓解上述问题.对不同推荐任务中知识图谱嵌入(KGE)的创新应用进行系统性综述.首先梳理出采用知识图谱嵌入的三类常见推荐任务以及知识图谱嵌入应用的四种目的;然后根据技术不同归纳总结出四类知识图谱嵌入方法,包括传统嵌入方法、嵌入传播方法、异质图嵌入方法和基于图神经网络的方法;进一步详细阐述了每类方法在不同推荐任务中的使用特点及应用策略,评价其优点和局限性等,并从多个方面对方法间的联系与区别进行定性和定量分析;最后,针对面向不同推荐任务中知识图谱嵌入应用的发展趋势提出一些看法,从多个角度展望了该领域未来值得关注的几个发展方向.

关键词：知识图谱嵌入(KGE)、推荐任务、可解释推荐、冷启动、序列化推荐、知识图谱嵌入应用

所属期刊栏目：16

分类号：TP319(计算技术、计算机技术)

资助基金：国家重点研发计划2018YFC1603305

在线出版日期：2022-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共25页

页码：1681-1705