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

提出了一种基于嵌入的查询框架，使用矢量空间嵌入复杂逻辑查询，将查询表示为盒子并将合取作为盒子交集表示，而将极限作为在 DNF（析取正规形式）中转换后处理。

Feb, 2020

BoxE 是一个新的嵌入模型，它可以同时解决目前模型存在的不表达、不支持显著推理模式、不支持高阶关系和不支持逻辑规则等限制性因素。 BoxE 成功地对许多所需的逻辑属性进行了自然编码，并表现出了最先进的性能。

Jul, 2020

本文提出了一种新的分层注意力知识图嵌入框架（HAKG），用于捕捉用户偏好，并在缓解数据稀疏性问题方面表现出优越性。

Oct, 2019

提出了一种新的算法，称为 BoxGNN，通过组合逻辑操作来执行消息聚合，从而融合高阶信号，并通过基于体积的学习目标和 Gumbel 平滑技术来优化盒子的表示。在两个公开数据集和一个 LLM 增强的电子商务数据集上的大量实验验证了 BoxGNN 相对于各种最先进的基线方法的优越性。

Jun, 2024

Concept2Box 提出了一种新方法，它使用双重几何表示技术联合嵌入了一个 KG 的两个视图：本体视图概念和实例视图实体。这种方法使用盒形嵌入来模拟概念，并使用向量来模拟实体，并提出了一种新的向量到盒形距离度量方法。

Jul, 2023

本文旨在在推荐系统中将知识图谱引入，特别考虑了不完整的知识图谱，并通过关系传递实现对用户偏好的理解，提高了推荐性能。通过联合训练建议模型和知识图谱完成模型，综合多个迁移模式，表现出卓越的性能

Feb, 2019

该论文介绍了知识图谱嵌入在推荐系统、查询扩展和实体嵌入等领域的应用，并探讨了包括基于结构信息、文本信息和图像信息的 KG 嵌入模型。

Jul, 2021

该研究提出了一种名为 “KGIN” 的知识图谱意图网络模型，应用了关注机制的思想，能够更准确地表达用户与物品之间的相关性，实现了基于图神经网络的推荐系统并取得了显著的性能提升。

Feb, 2021

本文中介绍了一种基于超螺旋空间的个性化推荐模型，其中使用了知识图谱、超螺旋空间和自适应的正则化机制，通过在三个真实数据集上的实验表明，相较于最先进的现有模型，该模型在 NDCG@K 上的推荐效果提高了 2-16%。

Jan, 2021