文章预览
【导读】这个是CIKM2018的论文,论文提出了一种 RippleNet 结构,是一个能够把知识图谱 (KG) 自然地融入推荐系统 (RS) 的一个端到端的框架。类似于水面上的波纹一圈又一圈的向外扩展一样, RippleNet 可以在以三元组 ( 实体,关系,实体 ) 构成的知识图谱 (KG) 上沿着实体与实体之间的联系去寻找 user 潜在的喜好,好比水波一圈又一圈的扩散,逐步迭代寻找最有可能 click 的 item. 输入: user-item pairs 输出: user 点击 item 的概率 动机 尽管 collaborative filtering(CF) 算法已经在解决这个问题上取得了很大的成功,但是它本身依旧存在交互矩阵稀疏性和冷启动的问题。而加入一些辅助信息可以有效的解决这个问题。在各种类型的辅助信息中。 KG 在实体方面具有得天独厚的优势:
………………………………