KDD22教程 | 如何用图神经网络做工业级推荐系统（161页ppt）

推荐系统是现代消费者网络应用程序的基本组成部分，它试图预测用户的偏好，以更好地服务于相关商品。因此，作为推荐系统输入的高质量用户和项目表示对于个性化推荐至关重要。为了构造这些用户和项目表示，自监督图嵌入已经成为一种原则性的方法，用于嵌入关系数据，如用户社交图、用户成员关系图、用户-项目参与关系图和其他异构图。在本教程中，我们讨论了自监督图嵌入的不同方法家族。在每个家族，我们概述了各种技术，他们的优点和缺点，并阐述最新的工作。最后，我们演示了如何在现代工业规模的深度学习推荐系统中有效地利用由此产生的大型嵌入表来提高候选对象的检索和排名。

https://ahelk.github.io/talks/kdd22.html

1. Introduction and Motivation

2. Homogenous Graph Embeddings

3. Heterogeneous Graph Embeddings

4. Graph Neural Networks

5. Recommender System Applications