【论文翻译】统一知识图谱学习和建议：更好地理解用户偏好

一、摘要 将知识图谱（KG）纳入推荐系统有望提高推荐的准确性和可解释性。然而，现有方法主要假设KG是完整的并且简单地在实体原始数据或嵌入的浅层中转移KG中的“知识”。这可能导致性能欠佳，因为实用的KG很难完成，并且KG通常缺少事实，关系和实体。因此，我们认为，当将KG纳入推荐系统时，考虑KG的不完整性是至关重要的。   在本文中，我们共同学习推荐模型和知识图完成。与之前基于KG的推荐方法不同，我们

>>阅读原文<<