文献类型：期刊文章

作　　者：秦川[1,2] 祝恒书[2] 庄福振[3,4] 郭庆宇[3,4,5] 张琦[1,2] 张乐[1] 王超[1,2] 陈恩红[1] 熊辉[1]

Chuan QIN;Hengshu ZHU;Fuzhen ZHUANG;Qingyu GUO;Qi ZHANG;Le ZHANG;Chao WANG;Enhong CHEN;Hui XIONG(School of Computer Science,University of Science and Technology of China,Hefei 230022,China;Baidu Inc.,Beijing 100085,China;Key Lab of Intelligent Information Processing of Chinese Academy of Sciences(CAS),Institute of Computing Technology,Chinese Academy of Sciences,Beijing 100190,China;University of Chinese Academy of Sciences,Beijing 100049,China;School of Computer Science,The Hong Kong University of Science and Technology,Hong Kong 999077,China)

机构地区：[1]中国科学技术大学计算机科学学院,合肥230022 [2]百度公司,北京100085 [3]中国科学院计算技术研究所中国科学院智能信息处理重点实验室,北京100190 [4]中国科学院大学,北京100049 [5]香港科技大学计算机学院,香港999077

出　　处：《中国科学：信息科学》

基　　金：国家自然科学基金(91746301,71531001,61836013,U1836206,61773361)。

年　　份：2020

卷　　号：50

期　　号：7

起止页码：937-956

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：推荐系统旨在为用户推荐个性化的在线商品或信息,其广泛应用于众多Web场景之中,来处理海量信息数据所导致的信息过载问题,以此提升用户体验.鉴于推荐系统强大的实用性,自20世纪90年代中期以来,研究者针对其方法与应用两方面,进行了大量广泛的研究.近年来,很多工作发现知识图谱中所蕴含的丰富信息可以有效地解决推荐系统中存在的一系列关键问题,例如数据稀疏、冷启动、推荐多样性等.因此,本文针对基于知识图谱的推荐系统这一领域进行了全面的综述.具体地,首先简单介绍推荐系统与知识图谱中的一些基本概念.随后,详细介绍现有方法如何挖掘知识图谱不同种类的信息并应用于推荐系统.此外,总结了相关的一系列推荐应用场景.最后,提出了对基于知识图谱的推荐系统前景的看法,并展望了该领域未来的研究方向.

关 键 词：知识图谱 推荐系统 协同过滤 异质信息网络  图嵌入

分 类 号：TP391.3] G353.1[计算机类]