WSDM22@教程 | 基于图神经网络的推荐系统

嘿，记得给“机器学习与推荐算法”添加星标

---

| 作者：养生的控制人

| 来源：知乎

| 链接：zhuanlan.zhihu.com/p/470598432

本文分享今年WSDM22的基于图神经网络推荐系统的Tutorial。

教程官网：https://sites.google.com/view/gnn-recsys

综述论文：https://arxiv.org/pdf/2109.12843

更多详细内容可观看视频进行学习~

以下是文字版本。

首先，前面介绍了一些推荐系统、图神经网络的基本概念

后面有三部分内容：

第一部分是基于GNN的协同过滤算法比如NGCN、LightGCN、SGL；

第二部分是基于知识图谱的推荐算法比如KGAT和KGIN；

第三部分分别介绍了序列推荐算法SUGRE、Bundle推荐算法BGCN、多行为推荐算法MBGCN、多样性推荐算法DGCN

食用方式个人建议大概扫一下，对什么感兴趣可以去看看具体的论文

推荐系统一般分为两个阶段：召回和排序

召回阶段常用比如协同过滤算法

排序阶段常用一些CTR模型

推荐系统的不同场景

社交推荐

序列推荐

会话推荐

跨域推荐

捆绑推荐

基于知识图谱推荐

多行为推荐

推荐系统的目标

多样性

可解释性

公平性

隐私性

图神经网络基础

优缺点

基于GNN的推荐系统

高阶连接

监督信号

结构化数据

挑战

构图

消息传递

GNN用于推荐系统的近期进展

协同过滤

不同粒度（NGCF）

简化即使Light

自监督

对比学习

图对比学习

损失函数

进入下一部分

CF+KG

attentive embedding传播

KGIN

序列推荐

相关工作

局限性

挑战1 隐式反馈、噪声

挑战2 兴趣漂移

构图

节点

Bundle 推荐 BGCN

构图

多行为推荐

挑战

MBGCN模型

多样性推荐

欢迎干货投稿 \ 论文宣传 \ 合作交流

推荐阅读

WSDM2022 | 数据困境: 我们究竟有多了解推荐系统数据集？

基于图的推荐系统进展总结, 共包含11篇文献

AAAI22奖项公布, 公平性推荐论文获唯一最佳论文奖

由于公众号试行乱序推送，您可能不再准时收到机器学习与推荐算法的推送。为了第一时间收到本号的干货内容， 请将本号设为星标，以及常点文末右下角的“在看”。

喜欢的话点个在看吧👇