计算机科学与探索

作者：吴静, 谢辉, 姜火文

单位：江西科技师范大学 数学与计算机科学学院,南昌 330038

关键词：图神经网络（GNN）,推荐系统（RS）,图卷积网络（GCN）

基金：国家自然科学基金(71561013);国家自然科学基金(61762044);江西省社会科学研究规划项目(20TQ04);江西省高校人文社会科学研究项目(JC17221);江西省高校人文社会科学研究项目(JD18083);江西省高校人文社会科学研究项目(JC18109);江西省教育厅科技计划项目(GJJ211116);江西省教育厅科技计划项目(GJJ170661)

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。

来源：2022年第10期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2022年第10期