知识卡片
知识图谱辅助推荐
把知识图谱作为辅助信息引入推荐系统,可缓解传统推荐的数据稀疏与冷启动问题。三种结合范式各有侧重:依次学习(One-by-One)先用知识图谱特征学习得到实体与关系向量,再把这些低维向量送入推荐模型得到用户与物品向量,两阶段解耦;联合学习(Joint)把知识图谱特征学习与推荐目标函数合并,用端到端方式共同优化;交替学习(Alternate)把两者视为分离但相关的任务,以多任务学习框架轮流训练。选择哪种范式取决于对端到端一致性与训练灵活性的权衡。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第1章 万物皆可嵌入 · 查看原书依据
将知识图谱作为辅助信息引入推荐系统中,可以有效解决传统推荐系统存在的稀疏性和冷启动问题,近几年有很多研究人员在做相关的工作。
参考来源
- 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第1章 万物皆可嵌入(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter4_0005.xhtml)
- 结论依据:原文明确列出依次学习、联合学习、交替学习三种方式,并分别说明其向量如何进入推荐系统或如何联合优化。
- 原始内容:将知识图谱作为辅助信息引入推荐系统中,可以有效解决传统推荐系统存在的稀疏性和冷启动问题,近几年有很多研究人员在做相关的工作。