Improving Conversational Recommender System by Pretraining Billion-scale Knowledge Graph论文笔记

原文章：Improving Conversational Recommender System by Pretraining Billion-scale Knowledge Graph (ICDE ‘21’)

这篇文章的思路相对比较简洁，同时从标题就能看出工作量很大，整体的模型框架是一个deep-cross网络，作者建立亿级的CKG并对其预训练得到两个特征：user-state和dialogue- interaction，把这两个特征以及其他常用特征作为D&C的输入来做一个推荐。 （下面就是我臭又长的翻译大作业了 写完真的人麻了
摘要
电子商务平台中的会话推荐系统 (CRS) 旨在通过多个会话交互向用户推荐商品，点击率 (CTR) 预测模型通常用于对候选项目进行排名。然而，大多数CRS都存在数据稀缺和稀疏的问题。为了解决这个问题，我们提出了一种新的知识增强型深度交叉网络 (K-DCN)，一种两阶段

Improving Conversational Recommender System by Pretraining Billion-scale Knowledge Graph论文笔记最先出现在Python成神之路。