基于GNN的社交推荐系统

发表于2019年WWW

《Graph Neural Networks for Social Recommendation》论文阅读笔记

GNN，融合了节点信息以及结构信息，在图结构数据中学习。在社交推荐系统中可以将用户-用户社交图，用户-项目图作为系统中的数据，学习用户和项目的特征，因此GNN在处理的时候有很大的优势。
问题：基于GNN建立社交推荐系统面临挑战：
（1） 需要从用户-项目图，社交图中获得用户特征，怎样结合这两个图；
（2） 用户-项目图中不仅包含用户项目之间的交互，还有评分。怎样获得用户项目之间的交互和评价；
（3） 用户社交图中连接强度不同（强连接和弱连接）。与弱关系相比，强关系用户可能会分享更相似的喜好。平等考虑社交关系可能导致推荐性能下降。因此需要考虑区分社交关系。
本文：基于图神经网络框架建立社交推荐系统。

用户建模：
社交图和用户-项目图，从两个角度学习用户特征，然后聚合（一个是项目聚合，在用户项目图中建模用户；一个是社交聚合，从社交的角度建模用户）。
项目聚合：同时考虑交互和评分信息