【方法】通过设计知识图谱数据结构,构建全学科内知识语义关联,融合图嵌入和规则抽取的方法,实现教学资源推荐。【结果】本文提出的线上教学资源推荐系统已应
目前,深度学习已经 广泛应用于语音识别、文本分析、知识图谱、图像识别、视频分析等诸多领域。为了及时、 集中地反应我国深度学习和图像识别领域取得的最新技术及应用成果,《电子技
本文介绍了4篇顶会中知识图谱在推荐系统中的应用,这些方法的核心都是利用知识图谱在item侧扩展实体信息,利用丰富的外部知识为推荐模型提供更多的线索,寻
;随后是提升推荐效率、社会化推荐、常规推荐以及利用强化学习推荐;其次是兴趣点推荐、冷启动问题研究、推荐系统中的安全性、推荐公平性以及可解释推荐的文章;最后是各有一篇跨域推
导语 本文是2020年针对知识图谱作为辅助信息用于推荐系统的一篇综述。知识图谱对于推荐系统不仅能够进行更精确的个性化推荐,而且对推荐也是具有可解释性
知识图谱是一个交叉学科,理论上来讲,人工智能,数据挖掘,数据库的会议都可以投,比如aaai,ijcai,kdd,cikm,acl,emnlp,sigmod,vldb等,很多会议都
实体对齐(Entity Alignment)是知识图谱表示学习研究中关键任务之一,其基本目标在于发现两个知识图谱间指向同一现实对象的实体对,以便将不同知识图谱链接起来,更好地支持下游应用。
同时,知识图谱也存在结构复杂的问题,实例(entities)和关系(relations)都有多个种类。 目前高效的基于知识图谱的推荐系统有两大主要问题。 5.1 Graph Construction 如何聚合 user-ite