We propose Neural variational set expansion to extract actionable information from a noisy knowledge graph (KG) and propose a general approach for increasing the interpretability of recommendation systems. We demonstrate the usefulness of applying a variational autoencoder to the Entity set expansion task based on a realistic automatically generated KG.

中文翻译：

---

用于自动填充知识图的神经变分实体集扩展

我们提出了神经变异集扩展来从嘈杂的知识图（KG）中提取可操作的信息，并提出了一种通用的方法来提高推荐系统的可解释性。我们演示了基于现实的自动生成的KG将可变自动编码器应用于实体集扩展任务的有用性。