开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> 人工智能 -> 知识图谱论文阅读（十四）Personalized Recommendations using Knowledge Graphs: A Probabilistic【未完】 -> 正文阅读

[人工智能]知识图谱论文阅读（十四）Personalized Recommendations using Knowledge Graphs: A Probabilistic【未完】

题目： Personalized Recommendations using Knowledge Graphs: A Probabilistic Logic Programming Approach
论文链接：
代码：

ABSTRACT

利用知识图谱提高推荐系统的性能是一项重要的任务。过去已经提出了许多混合系统，它们使用基于内容和协作过滤技术的混合来提高性能。最近，一些工作侧重于使用外部知识图(KGs)来补充基于内容的推荐。

在本文中，我们研究了使用通用概率逻辑系统ProPPR的三种基于KG的推荐方法。最简单的模型EntitySim只使用图形的链接。然后我们将模型扩展到TypeSim，它也使用实体的类型来增强其泛化能力。接下来，我们开发了一个基于图的潜在因子模型，GraphF，它结合了潜在因子分解和图的优点。我们将我们的方法与最近在两个大数据集Yelp和MovieLens-100K上提出的最先进的图推荐方法进行了比较。

Keywords：基于知识图的推荐; 概率逻辑编程; 基于图的矩阵分解