《推荐系统之图神经网络研究》
Graph Neural Networks in Recommender Systems
1.介绍
本部分主要介绍了推荐系统的基本概念情况,使读者们对推荐系统有一个基本的了解。
一个高效的推荐系统应该准确地捕捉用户的偏好,并推荐用户潜在感兴趣的项目,这样可以提高用户对平台的满意度,提高用户留存率。推荐系统根据用户的兴趣和物品属性来评估用户对物品的偏好。
近年来,图神经网络在关系提取、蛋白质界面预测等许多应用领域都取得了巨大的成功[82]。
图神经网络能够通过迭代传播捕获用户-物品关系中的高阶交互。此外,如果有社会关系或知识图的信息,则可以有效地将这些侧信息整合到网络结构中。
**本研究的主要贡献:**本研究旨在全面回顾基于图神经网络的推荐系统的研究进展。对推荐系统感兴趣的研究者和实践者可以对基于图神经网络的推荐领域的最新发展以及如何利用图神经网络来解决推荐任务有一个大致的了解:
1.新分类:提出一种系统的分类模式来组织现有的基于图神经网络的推荐系统。
2.全面审查:对每个类别进行了审查回顾,展示了要处理的主要问题,总结了模型的整体框架。
3.未来的研究方向:在此基础上,从效率、多图集成、可扩展性和序列图构建四个方面提出未来的研究方向。
2.推荐系统和图神经网络的概述
**2.1推荐系统**
推荐系统从用户的属性或用户与商品的交互中推断出用户的偏好和物品的属性,并进一步推荐用户可能感兴趣的商品。根据是否考虑物品的顺序,推荐系统可以分为一般推荐任务和顺序推荐任务。
一般推荐假设用户具有静态首选项,并基于隐式(点击)或显式(评级)反馈建模用户和项目之间的兼容性。它预测用户对目标项目的评级,即评级预测或推