Core Concepts
Empfehlungssysteme, die auf Wissensgraphen basieren, zeigen nicht unbedingt eine schlechtere Leistung, selbst wenn der Wissensgraph auf die Benutzer-Artikel-Interaktionsgrafik reduziert oder entfernt wird.
Abstract
Die Studie untersucht die Rolle von Wissensgraphen in Empfehlungssystemen, die auf Wissensgraphen basieren. Die Autoren entwickeln ein Evaluierungsframework namens KG4RecEval, um systematisch zu bewerten, wie viel ein Wissensgraph zur Empfehlungsgenauigkeit eines auf Wissensgraphen basierenden Empfehlungssystems beiträgt. Sie verwenden eine eigens definierte Metrik namens KGER (KG-Nutzungseffizienz in der Empfehlung), um den Beitrag des Wissensgraphs zu messen.
Die Autoren untersuchen verschiedene Szenarien, in denen das Wissen im Wissensgraph vollständig entfernt, zufällig verzerrt und verringert wird, sowie Empfehlungen für Kaltstart-Benutzer. Ihre umfangreichen Experimente auf vier gängigen Datensätzen und einer Reihe von State-of-the-Art-Empfehlungssystemen, die auf Wissensgraphen basieren, zeigen, dass das Entfernen, zufällige Verzerren oder Verringern des Wissens die Empfehlungsgenauigkeit nicht unbedingt verringert, auch nicht für Kaltstart-Benutzer.
Diese Erkenntnisse regen dazu an, darüber nachzudenken, wie Wissen aus bestehenden Wissensgraphen besser genutzt werden kann. Die Autoren diskutieren und geben Einblicke in die Merkmale von Datensätzen und auf Wissensgraphen basierenden Empfehlungssystemen, die dazu beitragen könnten, die KG-Nutzungseffizienz zu verbessern.
Stats
Die Entfernung des Wissensgraphen führt nicht unbedingt zu einer Verschlechterung der Empfehlungsgenauigkeit eines auf Wissensgraphen basierenden Empfehlungssystems.
Zufälliges Verzerren oder Verringern des Wissens in einem Wissensgraphen führt nicht unbedingt zu einer Verschlechterung der Empfehlungsgenauigkeit, auch nicht für Kaltstart-Benutzer.
Quotes
"Empfehlungssysteme, die auf Wissensgraphen basieren, zeigen nicht unbedingt eine schlechtere Leistung, selbst wenn der Wissensgraph auf die Benutzer-Artikel-Interaktionsgrafik reduziert oder entfernt wird."
"Zufälliges Verzerren oder Verringern des Wissens in einem Wissensgraphen führt nicht unbedingt zu einer Verschlechterung der Empfehlungsgenauigkeit, auch nicht für Kaltstart-Benutzer."