Key points are not available for this paper at this time.
추천 시스템에 지식 그래프(KG)를 통합하는 것은 추천 정확성과 설명 가능성을 향상시키는 데 유망합니다. 그러나 기존 방법들은 대체로 KG가 완전하다고 가정하고 KG의 '지식'을 개체 원시 데이터나 임베딩의 얕은 수준에서 단순히 전이합니다. 이는 실용적인 KG가 완전할 수 없기 때문에 최적의 성능을 저해할 수 있으며, KG에는 누락된 사실, 관계 및 개체가 있는 것이 일반적입니다. 따라서 추천 시스템에 KG를 통합할 때 KG의 불완전한 성질을 고려하는 것이 중요하다고 주장합니다.
Cao et al. (Mon,)은 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: