已有推薦方法主要基于用戶與項(xiàng)目的歷史交互行為，未充分運(yùn)用用戶及項(xiàng)目相關(guān)特征信息，推薦效果并不理想。知識(shí)圖譜（knowledge graph,KG）增強(qiáng)的圖神經(jīng)網(wǎng)絡(luò)（graph neural network,GNN）推薦，是以用戶與項(xiàng)目交互行為構(gòu)建的交互圖為基礎(chǔ)，引入同為圖結(jié)構(gòu)的知識(shí)圖譜，并運(yùn)用圖神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行處理，從而實(shí)現(xiàn)個(gè)性化推薦。深入探討了現(xiàn)有知識(shí)圖譜增強(qiáng)的圖神經(jīng)網(wǎng)絡(luò)推薦研究進(jìn)展。首先在對(duì)圖神經(jīng)網(wǎng)絡(luò)推薦和知識(shí)圖譜推薦進(jìn)行探討的基礎(chǔ)上，從項(xiàng)目知識(shí)圖譜和協(xié)同知識(shí)圖譜視角，深入分析了當(dāng)前知識(shí)圖譜增強(qiáng)的圖神經(jīng)網(wǎng)絡(luò)推薦取得的相關(guān)研究成果；然后從大規(guī)模動(dòng)態(tài)知識(shí)圖譜處理、用戶對(duì)項(xiàng)目屬性的偏好挖掘、知識(shí)圖譜的圖嵌入學(xué)習(xí)等方面，指出了已有知識(shí)圖譜增強(qiáng)的圖神經(jīng)網(wǎng)絡(luò)推薦研究存在的主要問(wèn)題；最后從動(dòng)態(tài)時(shí)序知識(shí)圖譜增強(qiáng)的GNN推薦、元學(xué)習(xí)的知識(shí)圖譜增強(qiáng)GNN推薦、多模態(tài)知識(shí)圖譜增強(qiáng)的GNN推薦、知識(shí)圖譜增強(qiáng)的GNN跨領(lǐng)域推薦等方面，展望了知識(shí)圖譜增強(qiáng)的圖神經(jīng)網(wǎng)絡(luò)推薦未來(lái)主要研究方向。

【文章頁(yè)數(shù)】：12 頁(yè)

【文章目錄】：
1 圖神經(jīng)網(wǎng)絡(luò)推薦與知識(shí)圖譜推薦
    1.1 圖神經(jīng)網(wǎng)絡(luò)推薦
    1.2 知識(shí)圖譜推薦
2 基于項(xiàng)目知識(shí)圖譜增強(qiáng)的圖神經(jīng)網(wǎng)絡(luò)推薦研究
    2.1 引入關(guān)系感知的推薦
    2.2 引入標(biāo)簽優(yōu)化的推薦
    2.3 引入知識(shí)圖譜上下文的推薦
3 基于協(xié)同知識(shí)圖譜增強(qiáng)的圖神經(jīng)網(wǎng)絡(luò)推薦研究
    3.1 引入注意力機(jī)制的推薦
    3.2 引入路徑信息的推薦
    3.3 引入其他方法的推薦
4 知識(shí)圖譜增強(qiáng)的圖神經(jīng)網(wǎng)絡(luò)推薦研究存在的主要問(wèn)題
    4.1 大規(guī)模動(dòng)態(tài)知識(shí)圖譜處理問(wèn)題
    4.2 用戶對(duì)項(xiàng)目屬性偏好挖掘問(wèn)題
    4.3 用戶知識(shí)圖譜處理問(wèn)題
    4.4 知識(shí)圖譜的圖嵌入學(xué)習(xí)問(wèn)題
5 知識(shí)圖譜增強(qiáng)的圖神經(jīng)網(wǎng)絡(luò)推薦的主要研究方向
    5.1 動(dòng)態(tài)時(shí)序知識(shí)圖譜增強(qiáng)的GNN推薦
    5.2 基于元學(xué)習(xí)的知識(shí)圖譜增強(qiáng)GNN推薦
    5.3 多模態(tài)知識(shí)圖譜增強(qiáng)的GNN推薦
    5.4 知識(shí)圖譜增強(qiáng)的GNN跨領(lǐng)域推薦
6 結(jié)束語(yǔ)



本文編號(hào)：3978063