来自OPENKG的[论文浅尝]，内容涉及信息抽取、知识推理、知识问答、推荐系统、知识融合等多个方向，共90篇

近年来，以知识图谱作为边信息生成推荐引起了人们的极大兴趣。这种方法不仅可以缓解上述问题，提供更准确的推荐，而且可以对推荐的项目进行解释。本文对基于知识图谱的推荐系统进行了系统的研究。我们收集了这一领域最近发表的论文，并从两个角度进行了总结。一方面，我们通过研究论文如何利用知识图谱进行准确和可解释的推荐来研究所提出的算法。另一方面，我们介绍了这些工作中使用的数据集。最后，我们提出了几个可能的研究方向。

知识图谱+推荐系统已经逐渐成为研究的热点，从2016年的CKE将其结合后，陆陆续续有很多优秀论文发表，总结了一下此类论文，推荐系统和知识图谱相结合论文总结，从16-20年的经典论文。值得读的都在这里了~

构建和管理一个知识图谱需要一些努力和语义技术方面的大量经验。将这个知识图谱转化为解决问题的有用资源需要更多的努力。

NLP_resorce_pool 整理NLP相关学习资料，提供系统化的学习路径。 NLP资源： 事件抽取： 知识图谱： 1）实体链接 2）知识推理 3）本体提取 4）多模态知识图谱 5）实体分类[NET] 6）知识图谱/知识库 [各种常识文献]（ “ openkg整理”） 7）关系抽取 8）本体匹配，实体对齐和知识融合 9）公斤推荐 KG推荐KG推荐先关注这几篇论文：（用数据试一试） a）关于推荐（AAAI 2019）知识图的可解释推理b）中的多任务功能学习的知识图增强