最新基于图神经网络的社交推荐算法综述

嘿，记得给“机器学习与推荐算法”添加星标

---

社交推荐，又名社会化推荐算法，旨在利用用户的社交信息（比如好友关注信息、信任信息等）来补充用户的行为信息以此来提供更加精准的推荐。换句话说，通过利用社交域的信息来提高用户行为域的预测精准度，以此来缓解行为域存在的数据稀疏等固有问题。根据社交推荐算法的脉络发展，其大体上经历了基于传统的协同过滤的方法（比如基于矩阵分解的社交推荐方法）、基于图嵌入的深度社交推荐方法以及近年来大火的基于图神经网络的社交推荐方法。关于传统的社交推荐方法-社会化推荐浅谈和基于深度学习社交推荐方法-深度学习技术在社会化推荐场景中的总结在以往的公众号总结文章中都有提及，欢迎大家移步阅读。本文根据最近发布的一篇图神经网络社交推荐综述来主要回顾下图神经网络在社交推荐领域的发展。

论文：https://arxiv.org/abs/2212.04481
仓库：https://github.com/claws-lab/awesome-