知识图谱增强的图神经网络推荐研究进展

发布时间：2024-05-19 12:53

　　已有推荐方法主要基于用户与项目的历史交互行为，未充分运用用户及项目相关特征信息，推荐效果并不理想。知识图谱（knowledge graph,KG）增强的图神经网络（graph neural network,GNN）推荐，是以用户与项目交互行为构建的交互图为基础，引入同为图结构的知识图谱，并运用图神经网络技术进行处理，从而实现个性化推荐。深入探讨了现有知识图谱增强的图神经网络推荐研究进展。首先在对图神经网络推荐和知识图谱推荐进行探讨的基础上，从项目知识图谱和协同知识图谱视角，深入分析了当前知识图谱增强的图神经网络推荐取得的相关研究成果；然后从大规模动态知识图谱处理、用户对项目属性的偏好挖掘、知识图谱的图嵌入学习等方面，指出了已有知识图谱增强的图神经网络推荐研究存在的主要问题；最后从动态时序知识图谱增强的GNN推荐、元学习的知识图谱增强GNN推荐、多模态知识图谱增强的GNN推荐、知识图谱增强的GNN跨领域推荐等方面，展望了知识图谱增强的图神经网络推荐未来主要研究方向。

【文章页数】：12 页

【文章目录】：
1 图神经网络推荐与知识图谱推荐
    1.1 图神经网络推荐
    1.2 知识图谱推荐
2 基于项目知识图谱增强的图神经网络推荐研究
    2.1 引入关系感知的推荐
    2.2 引入标签优化的推荐
    2.3 引入知识图谱上下文的推荐
3 基于协同知识图谱增强的图神经网络推荐研究
    3.1 引入注意力机制的推荐
    3.2 引入路径信息的推荐
    3.3 引入其他方法的推荐
4 知识图谱增强的图神经网络推荐研究存在的主要问题
    4.1 大规模动态知识图谱处理问题
    4.2 用户对项目属性偏好挖掘问题
    4.3 用户知识图谱处理问题
    4.4 知识图谱的图嵌入学习问题
5 知识图谱增强的图神经网络推荐的主要研究方向
    5.1 动态时序知识图谱增强的GNN推荐
    5.2 基于元学习的知识图谱增强GNN推荐
    5.3 多模态知识图谱增强的GNN推荐
    5.4 知识图谱增强的GNN跨领域推荐
6 结束语



本文编号：3978063