GNN应用在推荐系统中综述

《Graph Neural Networks in Recommender Systems: A Survey 》阅读笔记

推荐系统的关键：从用户-项目交互历史或者辅助信息（如社交关系，知识图谱等）中学习用户项目的特征。
根据推荐系统是否考虑项目的顺序，可以将推荐分为两类：一般推荐（评分预测/前N推荐）和序列推荐（推荐用户可能点击的下一个项目，即next item 推荐）。
为什么要用GNN：由于大多数信息本质上都是图结构，GNN在特征学习方面具有优势。因此在推荐系统中应用GNN是有研究前景的。
为什么要在推荐系统中使用GNN（从邻域迭代聚合特征信息，并将聚合信息与当前中心节点特征相结合）
（1） 推荐系统中的数据本身就是一个图结构；
（2） GNN技术可以从图结构数据中有效学习特征表示。