推荐系统图神经网络顶会文献
时间: 2024-09-19 13:00:29 浏览: 79
大规模图神经网络系统综述(中文版)
推荐系统结合了图神经网络 (Graph Neural Networks, GNNs) 的优势,在处理用户、商品、兴趣等实体之间的复杂关系数据上展现出强大的潜力。在顶会上,关于这个领域的研究论文通常涉及以下几个方面:
1. **模型设计**:如应用于社交网络的SocialGAT(Social Graph Attention Network)、用于协同过滤的GC-MC(Graph Convolutional Matrix Completion),以及基于知识图谱的KGAT(Knowledge Graph Attention Network)。
2. **深度学习与图结构融合**:论文探讨如何通过深度学习架构,如GCN (Graph Convolutional Networks)、GAT (Graph Attention Networks) 或者Transformer结构,捕捉用户的动态兴趣和交互模式。
3. **个性化推荐**:GNNs被用来挖掘用户的历史行为和偏好,生成个性化的物品推荐列表,提升用户体验。
4. **联合训练和多任务学习**:研究如何将推荐系统与其他信息检索任务(如广告点击预测、评论情感分析)结合起来,利用跨任务的知识共享提高性能。
5. **评估与挑战**:讨论如何衡量推荐系统的图结构效果,例如新颖性和多样性,同时关注如何处理稀疏性和冷启动问题。
一些重要的图神经网络相关的推荐系统顶会包括但不限于SIGIR (ACM International Conference on Information and Knowledge Management)、KDD (Conference on Knowledge Discovery and Data Mining)、WWW (World Wide Web Conference) 和 ICLR (International Conference on Learning Representations) 等。如果你想深入了解这方面的最新进展,可以查阅这些会议的论文集或者搜索在线资源,如arXiv预印本库。
阅读全文