关于图网络/图神经网络在游戏中的应用场景调研

总结了自己平时看到图网络相关的一些应用场景，后面有相关需求时可以考虑尝试一下：

1. 利用游戏内玩家的交互行为构造有向/无向图 + Random Walk生成玩家序列，然后利用w2v生成玩家向量，核心思想是利用玩家节点的共现性来提取embedding，后面可以利用向量做相似度检索或者是作为特征。

2. 图神经网络，根据场景设定优化目标，比如是否一起进行游戏构建正负样本，边的构造可以考虑玩家之间的社交关系（比如组队，加好友等），在同一度量空间内进行学习可以使得embedding相似的玩家组队可能性越大。

轻量级图卷积神经网络在推荐系统的应用可参考：轻量级图卷积网络LightGCN介绍和构建推荐系统示例 - overfit.cn

3. 社交关键节点发现，参考Networkx框架的使用方法，定位处于特定社交位置的玩家（比如中介中心性节点等），然后可以考虑对这批玩家设计相应业务带动周围社交节点。