目前在各个领域，为了解决在线应用中的信息爆炸问题，提高用户体验，剔除冗余信息和不相关信息，推荐系统被提出来进行用户偏好建模。尽管人们已经做出了许多努力来实现更加个性化的推荐，但是推荐系统仍然面临着一些挑战，比如数据稀疏性和冷启动。近年来，以知识图谱作为边信息生成推荐引起了人们的极大兴趣。这种方法不仅可以缓解上述问题，提供更准确的推荐，而且可以对推荐的项目进行解释。
基于KG的推荐系统以三种方式应用KGs:基于嵌入的方法、基于路径的方法和统一的方法。
基于嵌入的推荐系统方法通常直接使用来自知识图谱的信息来丰富项目或用户的表示。为了利用图谱的信息，需要使用知识图嵌入(KGE)算法将知识图谱编码为低秩嵌入。基于路径的方法构建一个用户-项目图，并利用图中实体的连接模式进行推荐。基于路径的方法在年就已经开发出来了，传统的论文将这种方法称为HIN中的推荐方法。通常，这些模型利用用户和/或项的连接性相似性来增强推荐。基于嵌入的方法利用KG中用户/项的语义表示进行推荐，而基于路径的方法使用语义连接信息，并且两种方法都只利用图中信息的一个方面。为了更好地利用KG中的信息，提出了将实体和关系的语义表示和连通性信息结合起来的统一方法。统一的方法是基于嵌入传播的思想。这些方法以KG中的连接结构为指导，对实体表示进行细化。基于路径的方法是推荐系统中一种新兴的可解释方法。基于路径的方法的核心是构建一个大图，称为异构信息网络（HIN），以记录所有客户，产品，评论及其关系。之后，通过沿HIN生成推荐路径来为客户推荐产品。现有的基于路径的方法研究通常利用经过大量购买数据训练的RL代理来生成推荐产品以及推荐路径。因为路径具有明确的语义解释，所以基于路径的方法被视为可解释的方法。
年模型KPRNKnowledge-awarePathRecurrentNetwork知识感知的路径循环网络被提出来，在实现过程中，将每个用户-项目对的路径集asetofpathsofeachuser-itempair作为输入，输出为用户与目标项目交互的可能得分。
三个重要部分
1.嵌入层将实体、实体类型、指向下一节点的关系的ID信息投影到潜在空间
2.LSTM层对按顺序对元素序列编码,以捕获基于关系的实体的组合语义
3.池化层连接多个路径并输出给定用户和目标项目的最终得分
在医学研究中已经有引入基于路径的方法。但是，他们的模型没有利用经过验证的医学知识，也无法为看不见的患者预测疾病。受到基于路径的方法的启发，之后在研究中又出现了建立了一个KG，以记录经过验证的医学知识，并根据患者的疾病和危险因素将其连接到KG。具体而言，他们根据经过验证的医学知识建立了一个KG，以记录疾病和危险因素之间的关系。然后，一个数学对象沿着KG走。它开始在患者实体处行走，该患者实体根据患者当前的疾病或风险因素将KG连接起来，并在代表所预测疾病的疾病实体处停止。对象产生的轨迹代表给定患者的可解释的疾病进展路径。对象的动态由基于策略的强化学习（RL）模块控制，该模块由电子健康记录（EHR）进行训练。
推荐阅读：
中医学专业知识服务系统建设规划
关于卫生专业技术人员职称制度改革，这份文件提出明确要求！
郑敏麟：脏腑学说的现状、过去和将来
本文作者：孟焕；编辑：柳迪；图片来自：Bingimages。转载请注明出处。
获取更多中医药知识，快速访问中医药知识服务平台，点击下方阅读原文搜索↓↓↓
预览时标签不可点收录于话题#个上一篇下一篇