基于图神经网络的社会化推荐系统

标签:GNN   图神经网络   推荐    2174人阅读 评论(0)

基于图神经网络的社会化推荐系统

1研究背景与意义

随着互联网的飞速发展,用户和网络的规模越来越大,信息过载问题也日趋严重。对信息消费者来说,他们难以从海量数据中找到感兴趣的信息内容,信息难以转化为有用的知识,用户体验较差;而对消息提供者来说,他们难以从大量用户中找到精准的目标用户群进行推荐,这使得企业效益较低。于是,推荐系统应运而生,它通过分析用户的历史行为数据,建立用户兴趣模型,为他们主动提供感兴趣或需要的信息。但是,传统推荐系统模型通常面临着数据稀疏和冷启动问题。

而随着微博、知乎等社交媒体的流行,社会网络中丰富的交互信息也逐渐被研究者发掘,用来辅助推荐系统为用户推荐更加有益的信息,同时还能解决传统推荐方法存在的问题。此外,由于用户的兴趣和社会影响力都是动态变化的,这也促使研究人员对用户的兴趣进行动态建模,基于会话的推荐系统就是其中的典型,而融入社会关系信息后,我们能更有效的捕获这种社会影响力。

由于社会关系网络基本都是图结构,而近几年图神经网络大放异彩,在图结构数据中都取得了非常喜人的成就,因此,有一些研究人员尝试将图神经网络应用到社会推荐系统中去。本文就将简要介绍这方面的一些工作,对研一下学期阅读的相关论文进行总结,同时,通过分析发现,社会化推荐与异构信息网络紧密相连,而映射到组内,可以发现所研究的ip\域名\cdn也都可以异构网络的形式,希望通过这些论文的研究,能拓宽大家的研究视野。



hmm...下面看文档吧,公式显示不出来



参考文献

[1] Tang, Jiliang, Xia Hu, and Huan Liu. "Social recommendation: a review." Social Network Analysis and Mining 3.4 (2013): 1113-1133.

[2] Zhang, Muhan and Yixin Chen. “Inductive Graph Pattern Learning for Recommender Systems Based on a Graph Neural Network.” CoRR abs/1904.12058 (2019).

[3] Wu, Shu, Yuyuan Tang, Yanqiao Zhu, Liang Wang, Xing Xie and Tieniu Tan. “Session-based Recommendation with Graph Neural Networks.” CoRR abs/1811.00855 (2018).

[4] Wu, Le, Peijie Sun, Yanjie Fu, Richang Hong, Xiting Wang and Meng Wang. “A Neural Influence Diffusion Model for Social Recommendation.” CoRR abs/1904.10322 (2019.

[5] Wang, Xiang. “Neural Graph Collaborative Filtering.” ArXiv abs/1905.08108 (2019).

[6] Song, Weiping, Zhiping Xiao, Yifan Wang, Laurent Charlin, Ming Zhang and Jian Tang. “Session-based Social Recommendation via Dynamic Graph Attention Networks.” ArXiv abs/1902.09362 (2019).

[7] Wu, Qitian et al. “Dual Graph Attention Networks for Deep Latent Representation of Multifaceted Social Effects in Recommender Systems.” WWW (2019).

[8] Fan, Wenqi, Yao Ma, Qing Li, Yuan He, Yihong Eric Zhao, Jiliang Tang and Dawei Yin. “Graph Neural Networks for Social Recommendation.” WWW (2019).

[9] Wen, Yufei, Lei Guo, Zhumin Chen and Jun Ma. “Network Embedding Based Recommendation Method in Social Networks.” WWW (2018).

[10] Yu, Junliang, Min Gao, Jundong Li, Hongzhi Yin and Huan Liu. “Adaptive Implicit Friends Identification over Heterogeneous Network for Social Recommendation.” CIKM (2018).

[11] Singhal, Ayush, Pradeep Sinha and Rakesh Pant. “Use of Deep Learning in Modern Recommendation System: A Summary of Recent Works.” CoRR abs/1712.07525 (2017): n. pag.

[12] Zhang, Shuai, Lina Yao and Aixin Sun. “Deep Learning Based Recommender System: A Survey and New Perspectives.” ACM Comput. Surv. 52 (2019): 5:1-5:38.

[13] Batmaz, Zeynep, Ali Ihsan Yurekli, Alper Bilge and Cihan Kaleli. “A review on deep learning for recommender systems: challenges and remedies.” Artificial Intelligence Review 52 (2018): 1-37.

[14] Wang, Shoujin, Longbing Cao and Yan Wang. “A Survey on Session-based Recommender Systems.” ArXiv abs/1902.04864 (2019).


查看评论

暂无评论

发表评论
  • 评论内容:
      
首页
团队介绍
发展历史
组织结构
MESA大事记
新闻中心
通知
组内动态
科研成果
专利
论文
项目
获奖
软著
人才培养
MESA毕业生
MESA在读生
MESA员工
招贤纳士
走进MESA
学长分享
招聘通知
招生宣传
知识库
文章
地址:北京市朝阳区华严北里甲22号楼五层 | 邮编:100029
邮箱:nelist@iie.ac.cn
京ICP备15019404号-1