Eine Umfrage zu grafbasierten Empfehlungssystemen

Um das Problem der Informationsexplosion zu lösen und die Benutzererfahrung in verschiedenen Online-Anwendungen zu verbessern, wurden Empfehlungssysteme entwickelt, um die Präferenzen der Benutzer zu modellieren. Obwohl zahlreiche Anstrengungen unternommen wurden, um personalisierte Empfehlungen zu verbessern, leiden Empfehlungssysteme weiterhin unter verschiedenen Herausforderungen, wie Datenarmut und Kaltstartprobleme. In den letzten Jahren hat die Generierung von Empfehlungen mit dem Wissensgraphen als Nebeninformation erhebliches Interesse geweckt. Ein solcher Ansatz kann nicht nur die oben genannten Probleme für genauere Empfehlungen mildern, sondern auch Erklärungen für empfohlene Artikel liefern. In diesem Papier führen wir eine systematische Umfrage zu grafbasierten Empfehlungssystemen durch. Wir sammeln kürzlich veröffentlichte Arbeiten in diesem Bereich und gruppieren sie in drei Kategorien: embedding-basierte Methoden, verbindungsbasierte Methoden und propagationsbasierte Methoden. Außerdem unterteilen wir jede Kategorie weiter nach den Eigenschaften dieser Ansätze. Darüber hinaus untersuchen wir die vorgeschlagenen Algorithmen mit dem Fokus darauf, wie die Arbeiten den Wissensgraphen für genaue und erklärbare Empfehlungen nutzen. Schließlich schlagen wir mehrere potenzielle Forschungsrichtungen in diesem Bereich vor.