本発表では，協調フィルタリングを用いた書籍推薦に利用可能な人工データを，知識グラフ埋め込みを用いて生成する手法を提案する．情報推薦システムでは主要技術として協調フィルタリングが用いられるが，新規ユーザ・アイテムなどの評価件数の少なさが原因となるcold-start問題など，データ量に起因する課題が指摘されている．また，近年プライバシー保護の動きが拡大しており，実在するユーザの情報を収集し，活用することが問題視されるようになってきている．これらの課題を解決する手段として，実データから統計的特徴を取り出して人工データを作成し，機械学習や情報推薦に用いるアプローチが研究されている．提案手法では，ユーザの読書履歴に関するGoodreadsデータセットから知識グラフを構築し，TransEを適用してリンク予測によりユーザの読書行動をシミュレートした結果に基づき人工的な評価値行列を合成する．書籍推薦タスクにおいて，実データから生成した評価値行列との比較実験を行い，提案手法の有効性や特性について考察する．
