简介：针对推荐系统中的稀疏性和冷启动问题，有从用户和物品的属性出发，利用这种额外的信息丰富用户和物品的表示。本文提出这部分信息其实存在着相互的关联，所以可以从knowledge Graph的角度尝试对这部分信息建模。
引入KG的几个好处：引入entity间的语义联系、KG可以对entity间不同类型的关系建模，提高推荐的diversity、KG能够联系用户历史interaction 为推荐系统提供可解释性，（这点如果是根据多hop体现的话，序列就会很短，普通论文一般就研究2-3 hop，不懂）
创新点：code：https://github.com/hwwang55/KGCN
跑KGCN-sum, KGCN-concat 在Last.fm上的结果，一致。但是在KGCN-neighbor几次都没有跑出结果，
python3 main.py --bus '0' --aggregator 'neighbor' --n_epochs 20
Result of KGCN-neighbor
包括对reception field H的实验，设置H=2，结果也有问题，是部分可复现，且结果比汇报的会好很多，应该是超参数需要重新调整。
