[论文笔记]知识图谱+推荐系统

仅作个人笔记(2021.3.22-2021.3.29)

1.RippleNet:Propagating User Preferences on the Knowledge Graph for Recommender Systems

看到一篇翻的不错RippleNet翻译



减轻计算负担，对邻居节点进行采样，而不是计算所有n跳邻居。

偏好传播

使用了本质上注意力机制

结论，本文首次将path-based 和embedding-base方法融合。有效提出一个端到端的模型，但是在计算关系R的embedding时很难通过训练捕捉到二次形式的$v^{T}Rh$的重要性，本模型还很受图谱的规模影响。若图谱的规模太大，计算规模很大。

2.AKUPM: Attention-Enhanced Knowledge-Aware User Preference Model for Recommendation

本文主要是使用了注意力机制，self-attention和attention。将实体间交互分为两种类型：实体间交互和实体内交互