WWW2019|图神经网络在社交推荐中的应用

最新推荐文章于 2024-10-19 03:19:26 发布
最新推荐文章于 2024-10-19 03:19:26 发布
阅读量2.6k 收藏 10
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hestendelin/article/details/107328827
版权
本文介绍了如何运用图神经网络（GNNs）解决社交推荐系统的挑战，提出GraphRec框架。该框架能捕捉用户商品图中的交互和观点，建模异质社交关系，并对两个图进行联合建模。实验证明GraphRec在社交推荐中的有效性。
摘要由CSDN通过智能技术生成

Graph Neural Networks for Social Recommendation

Wenqi Fan, Yao Ma, Qing Li, Yuan He, Eric Zhao, Jiliang Tang, Dawei Yin

City University of Hong Kong, Michigan State University, The Hong Kong Polytechnic University, JD.com

http://ira.lib.polyu.edu.hk/bitstream/10397/81232/1/Fan_Graph_neural_networks.pdf

最近，图神经网络(GNNs)在图数据上的学习能力逐渐凸显，这种神经网络能够自然地将节点信息和拓扑结构集成起来。

GNN的这些优势在高级社交推荐中潜力巨大，社交推荐系统中的数据可以表示为用户之间的社交图以及用户商品图。其中学习用户和商品的隐含表示是关键。

然而，基于图神经网络构建社交推荐系统面临一些挑战。比如，用户商品图能够将交互和相关的观点进行编码；社交关系的强度具有异质性；用户出现在两个图中，即用户用户社交图以及用户商品图。

为了同时解决上述三个挑战，这篇文章提出一种用于社交推荐的新的图神经网络框架，GraphRec。具体而言，作者们给出一种具有一定原则的方法，该方法能够将用户商品图中的交互和观点同时捕捉到，同时对两个图进行建模，并且能够对异质的强度进行建模。

在两个真实数据集上的实验表明了GraphRec的有效性。

基于社交的推荐依赖以下两个子图

这篇文章的主要贡献如下

这篇文章所涉及的符号表示如下

问题描述如下

这篇文章的模型结构图示如下

商品空间的用户隐含因子表达形式如下

考虑用户对商品评分的特征表示可以借助MLP来完成，细节如下

目前比较流行的对商品进行聚合的操作是取平均

为了解决上述取平均带来的问题，可以考虑利用注意力机制来解决

其中注意力权重系数计算方式详情如下

最低0.47元/天 解锁文章
frank_hetest
关注
图神经网络在推荐系统中的应用
AI天才研究院
02-17 154
1. 背景介绍 1.1 推荐系统的发展 推荐系统作为一种信息过滤技术，旨在帮助用户在海量信息中找到他们感兴趣的内容。随着互联网的发展，推荐系统已经成为了许多在线服务的核心组件，如电商、社交媒体、新闻和视频网站等。传统的推荐系统主要依赖于协同过滤（Collaborative Filtering）和基于内
图神经网络在社交网络分析中的应用研究
AI天才研究院
10-19 697
引言 社交网络是现代信息技术中不可或缺的一部分，它为我们提供了一个平台，可以与世界各地的人建立联系、分享信息和资源。随着社交网络的普及，如何有效地分析社交网络数据成为了一个重要的研究课题。在这一背景下，图神经网络（Graph Neural Networks, GNNs）作为一种强大的机器学习模型，因其能够处理复杂网络结构和提取有效特征而引起了广泛关注。
图神经网络在社交网络分析中的应用
AI天才研究院
01-25 1422
1.背景介绍 在本文中，我们将探讨图神经网络在社交网络分析中的应用。首先，我们将回顾社交网络分析的背景和核心概念。然后，我们将深入探讨图神经网络的核心算法原理和具体操作步骤，并提供数学模型的详细解释。接下来，我们将通过具体的代码实例和详细解释说明，展示图神经网络在社交网络分析中的最佳实践。最后，我们将讨论实际应用场景、工具和资源推荐，并总结未来发展趋势与挑战。 1. 背景介绍 社交网络是一种...
图神经网络在推荐系统中的应用综述
保持学习
09-19 1180
图神经网络在推荐系统中的应用综述
【深度学习09】图神经网络——在推荐系统中的应用
weixin_55252589的博客
01-08 1825
其从用户数据中构造图（graph）的方法和应对大规模图而采取的实现技巧都值得我们学习。PinSage被应用在图片推荐类Pinterest上。在Pinterest中，每个用户可以创建并命名图板（board），并将感兴趣的图片（pins）添加进图板。推荐系统的任务是为每个图片生成高质量的表示向量，并据此为每位用户推荐其可能感兴趣的图片。
Information Sciences 2022 | 利用图嵌入和图神经网络实现社交网络中的影响力最大化
KI的博客
09-03 2209
Information Sciences 2022 | 利用图嵌入和图神经网络实现社交网络中的影响力最大化
图神经网络必读论文推荐-AMiner
AI_Conf的博客
11-20 451
AMiner平台（https://www.aminer.cn）由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。 必读论文：https://www.aminer.cn/topic 图神经网络的概念首先是在 .
图神经网络在知识图谱中的应用汇报PPT
03-22
图神经网络在知识图谱中的应用汇报人：目录知识图谱122图神经网络在知识图谱中应用3图神经网络3无处不在的图结构 知识图谱是Google于2012年提出的一个概念，旨在提升搜索引擎返回的答案质量和用户查询的效率。知识...
图神经网络在社交网络影响力预测中的应用拓展
最新发布
AI天才研究院
10-19 615
《图神经网络在社交网络影响力预测中的应用拓展》 关键词 图神经网络，社交网络影响力预测，图卷积神经网络（GCN），图注意力网络（GAT），图自编码器（GCN-AE），多模态图神经网络，数据预处理，模型设计与实现，代码示例与解读。 摘要
图神经网络实战（1）——图神经网络(Graph Neural Networks, GNN)基础
热门推荐
盼小辉丶的博客
01-02 8万+
本节全面介绍了图神经网络 (Graph Neural Network, GNN) ，包括其在数据分析和机器学习中的重要性。首先探讨了图作为数据表示的相关概念及其在各个领域的广泛应用；然后深入探讨图学习的重要性，包括不同的应用和技术。最后，重点介绍了 GNN 架构，并对比了它与其他方法之间的原理和性能差异。
【社交推荐图神经网络】Graph Neural Networks for Social Recommendation
AnUnverse的博客
02-26 3007
用于社会推荐的图神经网络 【原文链接】 【摘要】该文提供了一种方法来联合捕获用户-项目图中的交互和意见，并提出了框架GraphRec，该框架对两个图进行了一致建模。该模型由用户建模、项目建模和评级预测三部分组成。 【原理】第一个部分是用户建模，它是为了了解用户的潜在因素。由于社会推荐系统中的数据包括两个不同的图，即一个社会图和一个用户-项目图，提供了一个很好的机会来从不同的角度学习用户...
《图神经网络推荐系统》2020综述论文
11-07
随着网络信息的爆炸式增长，推荐系统在缓解信息过载方面发挥了重要作用。由于推荐系统具有重要的应用价值，这一领域的研究一直在不断涌现。近年来，图神经网络(GNN)技术得到了广泛的关注，它能将节点信息和拓扑结构自然地结合起来。
腾讯图神经网络与推荐预训练模型
abcdefg90876的博客
09-20 336
分享嘉宾：宋重钢博士 腾讯 高级研究员编辑整理：罗锦波 澳门科技大学出品平台：DataFunTalk导读：今天分享的主题为图神经网络与推荐预训练模型。主要包括以下几部分内容：预训练模型目标与核心问题推荐系统场景中的预训练模型预训练模型的服务模式图神经网络预训练案例分享01预训练模型⽬标与核⼼问题1. 预训练模型的发展历程随着深度学习在各领域的快速发展，我们逐渐发现，基于监督信息的深度学习⽅法对标注...
基于图神经网络的推荐系统
weixin_42863719的博客
04-29 7585
本文基于两篇综述系统地介绍基于图神经网络的推荐系统：A Survey on Knowledge Graph-Based Recommender Systems和Graph Learning based Recommender Systems: A Review
图神经网络用于推荐系统问题（NGCF，LightGCN，UltraGCN）
nakaizura
06-26 2万+
何向南老师组的又两大必读论文，分别发在SIGIR19’和SIGIR20’。 Neural Graph Collaborative Filtering 协同过滤（collaborative filtering）的基本假设是相似的用户会对物品展现出相似的偏好，自从全面进入深度学习领域之后，一般主要是先在隐空间中学习关于user和item的embedding，然后重建两者的交互即interaction modeling，如MF做内积，NCF模拟高阶交互等。但是他们并没有把user和item的交互信息本身编码进 .
基于图神经网络的推荐系统：挖掘更深层次的用户兴趣
03-07 639
未来，随着图神经网络技术的不断发展和完善，相信基于图神经网络的推荐系统将在个性化推荐领域发挥越来越重要的作用，为用户提供更加优质、符合需求的推荐体验。传统的推荐系统主要基于用户与物品之间的交互行为进行推荐，但忽略了用户之间的社交关系和交互影响。而基于图神经网络的推荐系统则能够将用户行为数据建模为图结构，将用户和物品视为图中的节点，他们之间的交互关系视为图中的边。近年来，基于图神经网络的推荐系统应运而生，通过利用用户行为数据的图结构信息，能够更好地挖掘用户间复杂的交互关系，从而实现更精准、个性化的推荐。
#今日论文推荐# 可信图神经网络综述：隐私，鲁棒性，公平和可解释性
w1hsxn的博客
05-06 260
​ #今日论文推荐# 可信图神经网络综述：隐私，鲁棒性，公平和可解释性 对于可信图神经网络（Trustworthy Graph Neural Networks）在隐私（privacy），鲁棒性（robustness），公平（fairness）和可解释性（explainability） 的研究工作，我们进行了系统的梳理和讨论。对于可信赖所要求的各个方面，我们将现有概念和方法归类并提炼出各类的通用框架。同时我们也给出了代表性工作和前沿方法的具体细节。对于未来的工作方向，我们也进行了探讨。 在现实应用当中，
秒懂算法 | 基于图神经网络的推荐算法
不断学习，不断进步，提高自己
02-28 1438
图神经网络(Graph Neural Networks,GNN)是近几年兴起的学科,用来作推荐算法自然效果也相当好,但是要学会基于图神经网络的推荐算法之前,需要对图神经网络自身有个了解。
HetGNN-Heterogeneous Graph Neural Network 异构图神经网络 KDD2019
u013602059的专栏
03-16 8165
来源：KDD2019 论文链接：https://arxiv.org/abs/1903.07293 代码链接：https://github.com/chuxuzhang/KDD2019_HetGNN
探索图神经网络在推荐系统中的应用与创新
通过本毕业设计项目，学生不仅可以学会如何处理复杂的数据结构，还可以深入理解图神经网络在推荐系统中的应用，并掌握将理论应用于实际问题的方法。这对于未来希望在数据科学、人工智能或机器学习领域进一步深造的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值