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