1 什么是知識(shí)圖譜
知識(shí)圖譜是一種用圖模型來(lái)描述知識(shí)和建模世界萬(wàn)物之間的關(guān)聯(lián)關(guān)系的技術(shù)方法页衙。知識(shí)圖譜由節(jié)點(diǎn)和邊祖成摊滔。節(jié)點(diǎn)可以是實(shí)體，如一個(gè)人店乐，一本書(shū)等艰躺，或者是抽象的概念。邊可以是實(shí)體的屬性眨八，如姓名腺兴，書(shū)名或者是實(shí)體之間的關(guān)系，如朋友廉侧，配偶等页响。
2 知識(shí)圖譜有什么用
連續(xù)預(yù)測(cè)
連續(xù)預(yù)測(cè)通常被稱(chēng)為預(yù)測(cè)某個(gè)實(shí)體與另一個(gè)給定實(shí)體是否具有特定關(guān)系的任務(wù)篓足。例如（？闰蚕，導(dǎo)演栈拖，驚魂），是預(yù)測(cè)電影的導(dǎo)演没陡，（毒液涩哟，導(dǎo)演，盼玄？）贴彼，就是預(yù)測(cè)某個(gè)電影被某個(gè)人導(dǎo)演。
推薦系統(tǒng)
推薦系統(tǒng)為用戶提供他們可能想購(gòu)買(mǎi)或查看的物品的一些建議强岸。在不同的推薦策略中锻弓，協(xié)同過(guò)濾取得了顯著的成功。但是不是有效蝌箍，因?yàn)橛脩?產(chǎn)品的交互可能稀少青灼。可以通過(guò)混合推薦系統(tǒng)取得更好的性能妓盲≡硬Γ混合推薦系統(tǒng)將用戶-物品的交互作用于用戶或者物品的輔助信息相結(jié)合。
3 為什么使用在推薦系統(tǒng)中使用知識(shí)圖譜
場(chǎng)景化推薦
比如用戶在淘寶上搜”沙灘褲“和沙灘鞋”悯衬，我們可以推測(cè)該用戶要去沙灘度假弹沽，我們下一步會(huì)推薦泳衣和防曬霜。
任務(wù)型推薦
比如用戶購(gòu)買(mǎi)了羊肉卷筋粗，牛肉卷策橘，菠菜，火鍋底料娜亿，這種情況下系統(tǒng)推薦火鍋調(diào)料和電磁爐丽已。
冷啟動(dòng)下的推薦
冷啟動(dòng)的推薦一直是傳統(tǒng)基于統(tǒng)計(jì)行為的推薦算法難以有效解決的問(wèn)題。利用外部知識(shí)买决，可以有效解決傳統(tǒng)系統(tǒng)存在的稀疏性和冷啟動(dòng)問(wèn)題沛婴。
跨領(lǐng)域推薦
比如用戶經(jīng)常曬九寨溝，黃山督赤，泰山的照片嘁灯，系統(tǒng)會(huì)推薦登山裝備等。
知識(shí)性推薦
在淘寶搜索三段奶粉躲舌，同時(shí)我們推薦用戶一些和三段奶粉的嬰兒每天的需水量是多少丑婿，如何引用等相關(guān)知識(shí)。
4如何把知識(shí)用不同方式引入推薦系統(tǒng)
依次學(xué)習(xí)（one-by-one learning)
首先，使用知識(shí)圖譜特征學(xué)習(xí)到實(shí)體向量合關(guān)系向量羹奉，然后將這些低維向量引入推薦系統(tǒng)毅贮，學(xué)習(xí)得到用戶向量合物品向量
DKN:Deep Knowledge-Aware Network for News Recommendation. WWW18.
知識(shí)圖譜-->實(shí)體向量/關(guān)系向量-->推薦系統(tǒng)-->用戶向量/物品向量
聯(lián)合學(xué)習(xí)（joint Learning)
將知識(shí)圖譜特征學(xué)習(xí)和推薦算法的目標(biāo)函數(shù)結(jié)合，使用端到端（end-to-end)的方法進(jìn)行聯(lián)合學(xué)習(xí)尘奏。
Ripple Network:Propagating User Preferences on the Knowledge Graph for Recommender Systems.
Collaborative Knowledge Base Embedding for Recommender Systems
知識(shí)圖譜-->實(shí)體向量，關(guān)系向量
推薦系統(tǒng)-->用戶向量病蛉，物品向量
交替學(xué)習(xí)（alternate learning)
將知識(shí)圖譜特征學(xué)習(xí)和推薦算法視為兩個(gè)分離但又相關(guān)的任務(wù)炫加，使用多任務(wù)學(xué)習(xí)（multi-task learning）的框架進(jìn)行交替學(xué)習(xí)
MKR: A ?Multi-Task Learning Approach for Knowledge Graph Enhanced Recommendation
（知識(shí)圖譜，推薦系統(tǒng)）-->(實(shí)體向量铺然，關(guān)系向量俗孝，用戶向量，物品向量）
5.如何向量化知識(shí)圖譜中的實(shí)體和關(guān)系
基于翻譯模型（Trans系列）的知識(shí)表示學(xué)習(xí)魄健，主要用來(lái)解決知識(shí)表示和推理的問(wèn)題赋铝。表示學(xué)習(xí)將研究對(duì)象的語(yǔ)義信息表示為稠密低維實(shí)值向量，知識(shí)表示學(xué)習(xí)主要面對(duì)知識(shí)圖譜中的實(shí)體和關(guān)系進(jìn)行表示學(xué)習(xí)沽瘦。使用建模方法將實(shí)體向量表示在低維稠密向量空間中革骨，然后計(jì)算和推理。
TransE模型
Bordes, Usunier,Garcia-Duran,Weston,Yahnenko.TransE:Translating Embeddings for Modeling Multi-relational Data. NIPS 2013.
問(wèn)題：
如何建立簡(jiǎn)單且易拓展的模型把知識(shí)庫(kù)中的實(shí)體和關(guān)系映射到低維向量空間中析恋，從而計(jì)算出隱含的關(guān)系
原理：
該模型的基本思想使head向量和relation向量的和盡可能靠近tail向量良哲。該模型只能解決一對(duì)一的關(guān)系，不適合一對(duì)多或者多對(duì)一的關(guān)系助隧。比如（skytree,location,Tokyo)和（gumdan,location,Tokyo),Skytree和gumda的實(shí)體向量可能相似筑凫，但是他們沒(méi)有直接的聯(lián)系。
TransH模型
Z.Wang,J.Zhang,J.Feng,Z.Chen. TransH:Knowledge Graph Embedding by Translating on Hyperplans. AAAI 2014
問(wèn)題：
對(duì)知識(shí)庫(kù)中的實(shí)體關(guān)系建模并村，特別是一對(duì)多巍实，多對(duì)一，多對(duì)多的關(guān)系哩牍。
原理：
將關(guān)系解釋為超平面上的轉(zhuǎn)換才做棚潦。每個(gè)關(guān)系都有兩個(gè)向量，超平面的范數(shù)向量和超平面上的平移向量(dr)
TransR模型
Learning Entity and Relation Embeddings for Knowledge Graph Completion(2015)
問(wèn)題：
不同實(shí)體可有多個(gè)方面姐叁，不同的關(guān)系關(guān)注實(shí)體的不同方面瓦盛。
原理：
TransR在兩個(gè)不同的空間（實(shí)體空間和多個(gè)關(guān)系空間）中建模實(shí)體和關(guān)系，并在對(duì)應(yīng)的關(guān)系空間中進(jìn)行轉(zhuǎn)移
對(duì)于每個(gè)三元組（h,r,t),將實(shí)體空間中的實(shí)體通過(guò)矩陣Mr投影到r關(guān)系空間中外潜，分別為hr和tr原环，然后有hr+r=tr。
6 需要輔助的技術(shù)
實(shí)體鏈接
實(shí)體鏈接（entity link)
是把文本中的mention鏈接到KG里的entity的任務(wù)处窥。
Reference:
知識(shí)圖譜+推薦系統(tǒng)（一）https://www.cnblogs.com/gongyanzh/p/12195282.html
知識(shí)圖譜嵌入的Translate模型匯總（TransE,TransH,TransR,TransD) https://zhuanlan.zhihu.com/p/147542008
知識(shí)圖譜知識(shí)表示學(xué)習(xí)：Trans系列（TransE,H,D,A,G,KG2E,TranSparse) https://blog.csdn.net/junruitian/article/details/87006668
王昊奮嘱吗，漆桂林，陳華鈞 《知識(shí)圖譜》
