【论文学习】LightGCN：轻量图卷积

这篇论文是何向南老师大概今年3月份发的论文，论文地址：https://arxiv.org/abs/2002.02126

摘要：
图卷积网络（GCN）已成为协同过滤的新技术。然而，对其建议效力的原因并不十分了解。现有的基于推荐的GCN算法缺乏对GCN算法的深入分析，GCN算法最初是为图分类任务而设计的，具有很多神经网络操作。然而，我们在经验上发现，GCN中最常见的两种设计-特征转换和非线性激活-对协同过滤的性能贡献甚微。更糟糕的是，包括它们会增加训练的难度，降低推荐性能。在这项工作中，我们的目标是简化GCN的设计，使其更简洁、更适合推荐。提出了一种新的协同过滤模型LightGCN，该模型只包含了GCN中最基本的部分-邻域聚集。具体来说，LightGCN通过在用户-项目交互图上线性传播用户和项目嵌入来学习用户和项目嵌入，并使用在所有层学习的嵌入的加权和作为最终嵌入。这种简单、线性和简洁的模型更易于实现和训练，在完全相同的实验设置下，与神经图协作过滤（NGCF）相比（平均相对改进约16.0%）显示出显著的改进（NGCF是一种基于GCN的最新推荐模型）。从分析和实证两个角度对简单LightGCN的合理性进行了进一步的分析。我们的实现在tensorflow1和PyTorch2中都可用。

NGCF简介：