本文系统调查了基于知识图谱的推荐系统，从算法和数据集两个角度总结了近期发表的研究，并提出了该领域的几个潜在研究方向。

Feb, 2020

本文提出了一种新的端到端框架，称为 KBRD，它将推荐系统和对话生成系统结合在一起。实验结果表明，我们提出的模型在对话生成和推荐方面均具有显著优势，并且这两个系统可以互相促进。

Aug, 2019

本研究通过将知识图谱嵌入汽车购买 / 销售领域，旨在构建个性化推荐系统，并通过实验证明所提出的方法能够提供与个体用户一致的相关推荐。

Jul, 2023

本文综述了个性化推荐及推荐系统的经典算法，评估方式，以及最近研究的方向：基于会话的推荐、推荐系统中的偏差问题以及实际应用的影响和价值。

Feb, 2023

本篇论文研究了如何将结构化知识应用于可解释性推荐引擎中，提出了一种基于知识嵌入的框架，能够在保留用户和项目关系结构的同时，生成个性化解释说明推荐结果，并在真实的电子商务数据集上验证了该方法的高效性和可解释性优势。

May, 2018

研究机器学习在组织知识库中的应用，介绍了能够自动帮助人们识别专家和专业领域的推荐系统，并提出了应该关注和解决的一些开放性问题，以确保未来的工作能够为劳动者提供更好的体验。

Sep, 2022

在金融服务领域，应用基于知识图谱的可解释推荐系统对客户提供相关的金融文章，促进客户关系、客户参与及推动客户做出明智的金融决策，并发掘了结构化数据和非结构化数据的潜在价值。

Jul, 2023

本文详细调查了面向会话的推荐技术现有的方法，将这些方法按支持的用户意向或背景知识等维度分类，同时讨论了技术方法、CRS 的评估，以及未来需要更多研究的领域。

Apr, 2020

本研究回顾了推荐系统在电子商务、电子旅游、电子资源、电子政务、电子学习和电子图书馆等领域的不同技术和发展，并通过分析最近的研究，提供了当前发展的详细概述，识别了推荐系统中的现有困难，为实践者和研究人员提供了必要的指导和见解。

Aug, 2022

利用人工智能驅動的遊戲設計輔助系統來幫助設計師建議遊戲機制，通過量化研究證明系統能提高用戶生產率，精度，減少工作負荷。

Aug, 2019