面向文化遗产知识图谱的三阶段神经符号推荐管道
信息检索
2026-02-24 v1 数字图书馆
人机交互
摘要
数字文化遗产资源的volume不断增长，凸显了能够解释异构数据实体之间语义关系的高级推荐方法的需求。本文提出了一种完整的混合推荐管道实现方法，集成了知识图谱嵌入、近似最近邻搜索和SPARQL驱动的语义过滤。该工作在JHUMP（Jagiellonian University Heritage Metadata Portal）知识图谱上进行评估，该知识图谱由CHExRISH项目开发，实验时包含约320万条描述Jagiellonian University（Krak\'{o}w, PL）相关人物、事件、物体及历史关系的RDF三元组。我们评估了四种嵌入方法（TransE、ComplEx、ConvE、CompGCN），并为ComplEx和HNSW进行了超参数选择。然后，我们提出并评估了最终的三阶段神经符号推荐器。尽管存在稀疏和异构的元数据，该方法产生了有用且可解释的推荐结果，这些结果还通过专家评估得到了验证。
引用
@article{arxiv.2602.19711,
title = {A Three-stage Neuro-symbolic Recommendation Pipeline for Cultural Heritage Knowledge Graphs},
author = {Krzysztof Kutt and Elżbieta Sroka and Oleksandra Ishchuk and Luiz do Valle Miranda},
journal= {arXiv preprint arXiv:2602.19711},
year = {2026}
}
备注
15 pages, 1 figure; submitted to ICCS 2026 conference