第14卷第2期 智能系统学报 Vol.14 No.2 2019年3月 CAAI Transactions on Intelligent Systems Mar.2019 D0:10.11992/tis.201805001 网络出版地址：http:/kns.cnki.net/kcms/detail/23.1538.TP.20180702.1311.002.html 知识图谱的推荐系统综述 常亮，张伟涛，古天龙，孙文平，宾辰忠 (桂林电子科技大学广西可信软件重点实验室，广西桂林541004) 摘要：如何为用户提供个性化推荐并提高推荐的准确度和用户满意度，是当前推荐系统研究面临的主要问 题。知识图谱的出现为推荐系统的改进提供了新的途径。本文研究了知识图谱近年来在推荐系统中的应用情 况，从基于本体的推荐生成、基于开放链接数据的推荐生成以及基于图嵌入的推荐生成3个方面对研究现状进 行了综述。在此基础上，提出了基于知识图谱的推荐系统总体框架，分析了其中涉及的关键技术，并对目前存 在的重点和难点问题进行了讨论，指出了下一步需要开展的研究工作。 关键词：知识图谱：推荐系统；本体；开放链接数据库；图嵌入；网络表示学习：相似度：预测评分 中图分类号：TP301文献标志码：A文章编号：1673-4785(2019)02-0207-10 中文引用格式：常亮，张伟涛，古天龙，等.知识图谱的推荐系统综述.智能系统学报，2019,14(2)：207-216， 英文引用格式：CHANG Liang,.ZHANG Weitao,.GU Tianlong,etal.Review of recommendation systems based on knowledge graphJ.CAAI transactions on intelligent systems,2019,14(2):207-216. Review of recommendation systems based on knowledge graph CHANG Liang,ZHANG Weitao,GU Tianlong,SUN Wenping,BIN Chenzhong (Guangxi Key Laboratory of Trusted Software,Guilin University of Electronic Technology,Guilin 541004,China) Abstract:In current research on recommendation systems,the provision of personalized recommendations to users and the improvement of the accuracy and user satisfaction of recommendations are main concerns.The emergence of know- ledge graphs provides a new way to improve recommendation systems.The applications of knowledge graphs to recom- mendation systems in recent years are summarized in this paper,and the current status of the research is investigated in detail from three aspects:ontology-based recommendation generation,recommendation generation based on linked open data,and recommendation generation based on graph embedding.On this basis,this paper proposes the general frame- work of recommendation systems based on knowledge graph,analyzes the key technologies involved,discusses the ex- isting key issues and difficulties,and indicates the further research work to be carried out. Keywords:knowledge graph;recommendation system;ontology;linked open data;graph embedding;network repres- entation learning:similarity:prediction score 移联动互网、人工智能等技术的迅速发展为 务。相对于传统搜索引擎来说，推荐系统可以兼 人们的工作生活带来了很多便利，但是同时也带 顾个性化需求和解决信息过载问题。推荐系统是 来了信息过载问题”。搜索引擎和推荐系统是解 信息过滤系统的一个子集，目的在于根据用户的 决信息过载的代表技术。传统的搜索引擎在本质 喜好、习惯、个性化需求以及商品的特性来预测 上来讲是帮助用户过滤和筛选信息，这种方式满 用户对商品的喜好，为用户推荐最合适的商品， 足了大多数人的需求，但没有提供个性化的服 帮助用户快速地做出决策，提高用户满意度。 推荐系统的价值在于能够提供尽量合适的选择或 收稿日期：2018-05-02.网络出版日期：2018-07-02. 基金项目：国家自然科学基金项目(61572146，U1501252,U1711263: 者是推荐而不需要用户明确提供他们所想要的内 广西创新驱动重大专项项目(AA17202024):广西自 然科学基金项目(2016 GXNSFDA380006). 容。随着大数据时代的到来，传统推荐系统在挖 通信作者：宾辰忠.E-mail:binchenzhong@guet.edu.cn 掘数据价值上存在的问题正在限制其性能发挥。DOI: 10.11992/tis.201805001 网络出版地址: http://kns.cnki.net/kcms/detail/23.1538.TP.20180702.1311.002.html 知识图谱的推荐系统综述 常亮，张伟涛，古天龙，孙文平，宾辰忠 （桂林电子科技大学 广西可信软件重点实验室，广西 桂林 541004） 摘 要：如何为用户提供个性化推荐并提高推荐的准确度和用户满意度，是当前推荐系统研究面临的主要问 题。知识图谱的出现为推荐系统的改进提供了新的途径。本文研究了知识图谱近年来在推荐系统中的应用情 况，从基于本体的推荐生成、基于开放链接数据的推荐生成以及基于图嵌入的推荐生成 3 个方面对研究现状进 行了综述。在此基础上，提出了基于知识图谱的推荐系统总体框架，分析了其中涉及的关键技术，并对目前存 在的重点和难点问题进行了讨论，指出了下一步需要开展的研究工作。 关键词：知识图谱；推荐系统；本体；开放链接数据库；图嵌入；网络表示学习；相似度；预测评分 中图分类号：TP301 文献标志码：A 文章编号：1673−4785(2019)02−0207−10 中文引用格式：常亮, 张伟涛, 古天龙, 等. 知识图谱的推荐系统综述[J]. 智能系统学报, 2019, 14(2): 207–216. 英文引用格式：CHANG Liang, ZHANG Weitao, GU Tianlong, et al. Review of recommendation systems based on knowledge graph[J]. CAAI transactions on intelligent systems, 2019, 14(2): 207–216. Review of recommendation systems based on knowledge graph CHANG Liang，ZHANG Weitao，GU Tianlong，SUN Wenping，BIN Chenzhong (Guangxi Key Laboratory of Trusted Software, Guilin University of Electronic Technology, Guilin 541004, China) Abstract: In current research on recommendation systems, the provision of personalized recommendations to users and the improvement of the accuracy and user satisfaction of recommendations are main concerns. The emergence of know￾ledge graphs provides a new way to improve recommendation systems. The applications of knowledge graphs to recom￾mendation systems in recent years are summarized in this paper, and the current status of the research is investigated in detail from three aspects: ontology-based recommendation generation, recommendation generation based on linked open data, and recommendation generation based on graph embedding. On this basis, this paper proposes the general frame￾work of recommendation systems based on knowledge graph, analyzes the key technologies involved, discusses the ex￾isting key issues and difficulties, and indicates the further research work to be carried out. Keywords: knowledge graph; recommendation system; ontology; linked open data; graph embedding; network repres￾entation learning; similarity; prediction score 移联动互网、人工智能等技术的迅速发展为 人们的工作生活带来了很多便利，但是同时也带 来了信息过载问题[1]。搜索引擎和推荐系统是解 决信息过载的代表技术。传统的搜索引擎在本质 上来讲是帮助用户过滤和筛选信息，这种方式满 足了大多数人的需求，但没有提供个性化的服 务。相对于传统搜索引擎来说，推荐系统可以兼 顾个性化需求和解决信息过载问题。推荐系统是 信息过滤系统的一个子集，目的在于根据用户的 喜好、习惯、个性化需求以及商品的特性来预测 用户对商品的喜好，为用户推荐最合适的商品， 帮助用户快速地做出决策，提高用户满意度[2]。 推荐系统的价值在于能够提供尽量合适的选择或 者是推荐而不需要用户明确提供他们所想要的内 容。随着大数据时代的到来，传统推荐系统在挖 掘数据价值上存在的问题正在限制其性能发挥[3]。 收稿日期：2018−05−02. 网络出版日期：2018−07−02. 基金项目：国家自然科学基金项目 (61572146，U1501252，U1711263)； 广西创新驱动重大专项项目 (AA17202024)；广西自 然科学基金项目 (2016GXNSFDA380006). 通信作者：宾辰忠. E-mail： binchenzhong@guet.edu.cn. 第 14 卷第 2 期 智 能 系 统 学 报 Vol.14 No.2 2019 年 3 月 CAAI Transactions on Intelligent Systems Mar. 2019