图神经网络推荐系统综述

摘要：

推荐系统(RS)因信息冗杂繁多而诞生.由于数据形式的多样化、复杂化以及数据信息量稀疏性,传统的推荐系统已经不能很好地解决目前的问题.图神经网络(GNN)能从图中对边和节点数据进行特征提取和表示,对处理图结构数据具有先天优势,因此在推荐系统中蓬勃发展.将近年的主要研究成果进行了梳理并加以总结,着重从方法、问题两个角度出发,系统性地综述了图神经网络推荐系统.首先,从方法层面阐述了图卷积网络推荐系统、图注意力网络推荐系统、图自动编码器推荐系统、图生成网络推荐系统、图时空网络推荐系统等五大类的图神经网络推荐系统;接着,从问题相似性出发,归纳出序列推荐问题、社交推荐问题、跨域推荐问题、多行为推荐问题、捆绑推荐问题以及基于会话推荐问题等六大类问题;最后,在对已有方法分析和总结的基础上,指出了目前图神经网络推荐系统研究面临的难点,提出相应的研究问题以及未来研究的方向.

关键词：图神经网络(GNN)、推荐系统(RS)、图卷积网络(GCN)

所属期刊栏目：16

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;江西省社会科学研究规划项目;江西省高校人文社会科学研究项目;江西省高校人文社会科学研究项目;江西省高校人文社会科学研究项目;江西省教育厅科技计划项目;江西省教育厅科技计划项目

在线出版日期：2022-10-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：2249-2263