PPT结构：

  1. 介绍推荐系统的发展背景

如旧推荐系统存在的问题之类的

  1. 介绍知识图谱

https://zhuanlan.zhihu.com/p/396516565

  1. 知识图谱的优势

image-20221212160050931

  1. 知识图谱在推荐系统的应用方法，或者说知识图谱与推荐系统的结合⽅法（分为Embedding、path、unified三种)

可用参考 https://ex666.cn/_WUu

还有伟哥ppt

image-20221212160421923

  1. 介绍Embedding

基于 Embedding 的方法通常直接使用来自知识图谱的信息来丰富 item 或 user 的表示。为了充分利用 KG 的信息，需要应用KGE/KRL算法将 KG 中的实体和关系映射到低维向量空间。KGE 算法可分为两类：基于翻译的模型，如 TransE、TransH、TransR、TransD等；语义匹配模型，如 DistMult等。

根据 KG 是否包含 user，又将这类方法分为两部分，即 item graph 和 user-item graph。

换句话说，就是从知识图谱中抽取⼀些⽤户和物品的属性作为特征。只引⼊了实体特征，没有引⼊关系特征。

参考一下

深度学习推荐系统 介绍Embedding https://zhuanlan.zhihu.com/p/138310401

矩阵分解原理 https://zhuanlan.zhihu.com/p/145120275

  1. 知识图谱特征学习（Knowledge Graph Embedding）

介绍两类模型：基于距离的模型和基于语义的匹配模型。

我们只介绍基于距离的模型

伟哥ppt里的有

image-20221212160556993

  1. 总结

讲讲基于知识图谱的推荐系统是如何解决传统推荐系统存在的问题（如冷启动）