本文轉載自：RUC智慧情報站，知乎專欄連結：https://zhuanlan.zhihu.com/RucAIBox

前言：近年來，知識圖譜（KB）被廣泛應用於推薦系統（RS），但尚未有公開將推薦系統物品連結到知識圖譜實體的資料集。本文結合SIGIR2018論文《Improving Sequential Recommendation with Knowledge-Enhanced Memory Networks》所用資料集 [1]，公佈了相關連結資料集 [2]，希望能對大家有所幫助。

一、動機/引介

近年來，學術界和工業界都致力於利用結構化的知識資訊和相關領域的已知事實來提升各項應用。在眾多資料形式中，知識圖譜高度結構化，能夠有效組織和關聯相關實體，被廣泛運用到各個領域。推薦任務中利用知識圖譜提升推薦的質量和可解釋性，相關的推薦系統被稱為knowledge-aware recommender systems。

為了適應推薦系統和知識圖譜相關研究需求，本工作啟發式地將推薦資料中的物品連結到大型知識圖譜中的實體，為推薦系統的物品提供蘊含豐富語義的結構化知識資訊。本工作將其整理，釋出為公開的推薦系統-知識圖譜連結資料集KB4Rec v1.0。

二、資料集概況

KB4Rec v1.0資料集，構建了推薦系統資料集物品（RS item）到知識圖譜實體（KB entity）的連結。在推薦系統方面，選取了三個得到廣泛使用的資料集：MovieLens 20M [3]、LFM-1b [4]、Amazon book [5]，分別對應電影、音樂和書籍三個領域；在知識圖譜方面，選取了研究者常用的Freebase [6]。

KB4Rec v1.0資料集由連結的ID對組成，包括推薦系統的物品ID和Freebase中的實體ID。連結檔案片段（電影資料集合MovieLens 20M）如下所示：

     25991	m.09pglcq
     25993	m.0cjwhb
     25994	m.0k443
     25995	m.0b7kj8

通過此連結，能夠找到部分推薦系統中物品在知識圖譜內對應的實體，並通過讀取與該實體相關的三元組，獲取相應的屬性。舉個例子，電影“阿凡達”通過連結找到相應實體，讀出與之相關的三元組能夠在知識圖譜中找到相應的演員、導演等屬性。

連結資料集（三個領域）的資料統計見下表：

三、連結分析

可以看到不是所有推薦系統中的物品都能夠在Freebase中找到對應的實體。對於各領域連結比例（linkage ratio），本工作參照各推薦領域內物品流行度做了相關分析，其中物品流行度由推薦資料中與物品有互動記錄的使用者數代表。首先，將推薦系統中的物品按流行度升序排序，等分到5個桶（bin）中，展示相應部分連結比例。如下圖，可以發現：流行度高的物品更傾向於被Freebase所包含。

針對MovieLens 20M資料集，還對電影的釋出時間與連結比例做了分析。對所有電影按釋出時間升序排序，等分到10桶（bin）中，展示相應連結比例。如下圖所示，可以發現：越早釋出的電影越傾向於被Freebase所包含。

四、資料獲取

本工作將相關專案部署在github上，資料的獲取和使用需遵照相關證書（license）。更多連結和資料集構建的細節請參照我們的相關論文 [2]。

五、相關論文

[1] Jin Huang, Wayne Xin Zhao, Hong-Jian Dou, Ji-Rong Wen, Edward Y. Chang : Improving Sequential Recommendation with Knowledge-Enhanced Memory Networks. SIGIR 2018: 505-514

[2]  Wayne Xin Zhao, Gaole He, Hongjian Dou, Jin Huang, Siqi Ouyang and Ji-Rong Wen : KB4Rec: A Dataset for Linking Knowledge Bases with Recommender Systems. Arxiv 1807.11141.

[3] F. Maxwell Harper, Joseph A. Konstan : The MovieLens Datasets: History and Context. TiiS 5(4): 19:1-19:19 (2016)

[4] Markus Schedl : The LFM-1b Dataset for Music Retrieval and Recommendation. ICMR 2016: 103-110

[5] Ruining He, Julian McAuley : Ups and Downs: Modeling the Visual Evolution of Fashion Trends with One-Class Collaborative Filtering. WWW 2016: 507-517

[6] Google : 2016. Freebase Data Dumps. https://developers.google.com/freebase/ data.

本文作者：何高樂，2018級研究生，目前研究方向為網路表示學習、深度學習，來自中國人民大學大資料管理與分析方法研究北京市重點實驗室。

RUC 智慧情報站由中國人民大學資訊學院的趙鑫副教授 (微博 @趙鑫RUC) 所帶領的研究小組維護。關注的領域是資料探勘、社會計算和機器學習。該專欄會定期會分享相關學術內容，歡迎各位來郵件進行交流，也歡迎大家向該專欄投稿精品文章。知乎賬號聯絡人為 竇洪健，負責資訊、投稿、宣傳以及一切賬號相關問題，郵箱為[email protected]；企業和轉載合作需求請致謝趙鑫老師，郵箱為 [email protected]。趙鑫老師個人情況詳見個人主頁 http://playbigdata.com/batmanfly 和 http://info.ruc.edu.cn/academic_professor.php?teacher_id=55 。

OpenKG.CN

中文開放知識圖譜（簡稱OpenKG.CN）旨在促進中文知識圖譜資料的開放與互聯，促進知識圖譜和語義技術的普及和廣泛應用。

點選閱讀原文，進入 OpenKG 部落格。