Sherry-XLL
commented
2 years ago @happy-xty 您好，基于知识图谱的推荐系统获取数据集的常用方法主要有以下三种：
- Item attribute graph 直接根据商品的属性信息构造伪知识图谱
- eg：Yelp（category, location, and attribute）
- Internal knowledge graph 企业内部数据
- eg：微软 Satori (CKE, DKN, RippleNet, KGNN-LS)，美团大脑 (Dianping-Food)
- Item-to-entity linkage to external 根据物品属性信息链接到外部知识图谱
RecBole 采用的方式是第三种，所提供的知识图谱是基于 KB4Rec 中的方法，可以参考 KB4Rec 的论文和 repo。
也就是说，对于其他推荐系统数据集，要想构造对应的知识图谱，首先需要取得推荐系统物品和知识图谱实体之间的映射链接。为了获取链接关系，可以将推荐系统平台收集的名称、类型、作者、年份等商品信息用作上下文特征。比如直接匹配商品名和知识图谱中的名称（YAGO），或者利用 Google 和 wikidata 提供的 API 接口，以商品名为 query，匹配外部 KG 中的 entity id。
常用的 API 接口有以下三种：
- Google Knowledge Graph API：返回 Freebase id 以及类型、描述等辅助信息
- Freebase API：仅返回 Freebase id 以及名称，直接获取的搜索结果可利用信息
- Wikidata API：仅返回 Wikidata id 以及名称，直接获取的搜索结果可利用信息少
得到 item id 与 entity id 之间的映射关系之后，便可在大型知识图谱三元组中抽取推荐系统物品集对应的知识子图，一般只抽取物品集的一跳邻居，可以参考 KB4Rec 的代码部分。
感谢您对 RecSysDatasets 的关注，在构造知识图谱的过程中有什么问题欢迎随时交流。
happy-xty
请问除movielens、IFM、Amazon外，其他数据集应该怎么构建KG呀？