推荐系统相关论文阅读整理

基于协同过滤的微信点餐推荐系统的设计与实现

张彭飞   吉林大学

在1990 年代，为了解决邮件过载问题，推荐系统的概念被首次提出[6]。在2003 年，亚马逊公司首次使用基于物品的推荐算法，深入到网站的各类商品中，为亚马逊增加了至少 30%的销售额171。在 2005年，Adomavicius G 等人提到将推荐方式分为 3个类别，分别是基于内容的推荐、基于协同过滤的推荐和混合推荐8。在2012年，CremonesiP等人将深度神经网络应用于推荐系统中，实现了从大规模可选的推荐内容中找到最有可能的推荐结果9。随着互联网的兴起，推荐技术在人们的生活中扮演的越来越重要的角色，如人们经常使用的淘宝、今日头条、豆瓣影评以及各种外卖app 等产品。

创新点:

1、考虑到人的偏好会随着时间的推移而变化,因为时间越近的评分越能反应出个人的偏好情况,所以在计算用户之间相似度的过程中加入时间参数作为权重因子,修正时间所带来的影响;

2、另外,考虑到推荐系统中有的用户之间的共同评分项目数偏低,会导致推荐结果不置信。为了修正这种偏差,本文对计算后的相似度值进行重新加权,权重因子根据用户之间的共同评分项目数计算得到,最后将得到的结果进行归一化处理;

3、同时,针对协同过滤算法的稀疏性问题研究,受K近邻（KNN）算法启发的影响,本文使用的是滑动平均窗口技术对用户-评分矩阵的缺失值进行预填充,可以有效提高推荐质量。

1.可以做一个系统去展现

2.找到推荐算法跟知识图谱的联系，之间可实施的路径

1.基于协同过滤的推荐系统是基于用户-项目的历 史交互记录产生推荐，可以是显性反馈（评分、喜欢/ 不喜欢），也可以是隐性反馈（浏览、点击）；

2.基于内容 的推荐主要是根据用户和项目的特征信息来进行推荐

• 有哪些重要的观点你想要记住，或是将来可能会引用到
• 有哪些结论你将来可能用到；
• 有哪些方法你将来可能用到；

1.于 GNN 推荐系统来说，其 主要阶段和图神经网络过程接近，一般只分为四步： （1）根据实体相互关系建立 GNN 模型；（2）决定 GNN 模型的信息传播与更新方法；（3）提取出更新后的节 点特征；（4）选取算法实现推荐。

2.利 用 了 用 户 和 项 目 两 个 实 体 ，Chen 等 [16] 将 知 识 图 （knowledge graph，KG）引入到推荐系统来提高可解 释性。他们提出了一种基于 KG 的交互式规则引导 推 荐（interactive rules- guided recommender，IR- Rec） 框架，主要是从增强的 KG 中提取用户-项目之间交 互的多条路径，再从潜在动机角度将这些路径归纳 出一些公共行为规则，通过这些规则来确定推荐的 图 2 GNN推荐系统分类 Fig.2 Taxonomy of graph neural network-based recommendation system 图 3 图卷积原理图 Fig.3 Principle diagram of graph convolution networks 2251 Journal of Frontiers of Computer Science and Technology 计算机科学与探索 2022, 16(10) 潜在原因。

• 文章在研究设计上有哪些不足?有没有更好的改进方法？
• 文章让你想到了哪些观点类似或者完全不同的其他文章？
• 你对文章中观点、论述、方法、讨论等部分有什么想法和critique？

1.知识图谱和图神经网络推荐 结合会有较好的效果，目前符合我论文的研究方向

2.推荐的系统太多了。到时候再看。感觉需要看一下实践的。

图神经网络应用于知识图谱推理的研究综述

[1]孙水发,李小龙,李伟生,雷大江,李思慧,杨柳,吴义熔.图神经网络应用于知识图谱推理的研究综述[J/OL].计算机科学与探索:1-31[2022-12-04].http://kns.cnki.net/kcms/detail/11.5602.TP.20220930.1231.004.html

（1）对知识推理文献进行了系统的分 类整理，类别包括基于逻辑规则、基于表示 学习、基于神经网络和基于图神经网络的推 理，阐述并比较了不同知识推理方法的原理 及优缺点。

（2）调研了基于图神经网络的知识推 理相关文献，总结了基于图神经网络的知识 推理的最新研究进展，首次将基于图自编码 网络和基于时空图神经网络的知识推理进 行了综述分析。

（3）总结了基于图神经网络的知识推 理方法在理论、算法和应用方面的现状、问 题和未来发展前景。

已经有的方面：

1.基于知识图谱的医疗推荐

2.对照片中人物的 社会关系进行推理

基于双知识图谱和图卷积神经网络的商品推荐研究

论文在线阅读—中国知网 (cnki.net)

李贤宗 吉林大学

• 有哪些重要的观点你想要记住，或是将来可能会引用到
• 有哪些结论你将来可能用到；
• 有哪些方法你将来可能用到；

1.构建用户知识图谱，商品知识图谱

2.利用用户购买信息，构建用户-商品交互矩阵

3.嵌入好的知识图谱结合图卷积神经网络

• 文章在研究设计上有哪些不足?有没有更好的改进方法？
• 文章让你想到了哪些观点类似或者完全不同的其他文章？
• 你对文章中观点、论述、方法、讨论等部分有什么想法和critique？

判断方法