社交推荐模型发展历程

图形构造

在具有社会意识的推荐系统中，用户的最终行为取决于朋友的社会影响和他/她自己的偏好。社交推荐面临的主要挑战之一是如何构建社交图来捕捉朋友的社交影响。一般来说，社交网络中的某个用户不仅受到他/她的朋友（一阶邻居）的影响，还受到朋友的朋友（高阶邻居）的影响。为了捕捉高阶社会关系，图的构建方法可以分为两个方向：堆叠图和超图。

堆叠图

鉴于正态图只能建模成对关系，基于正态图的方法GraphRec、GNN-SoR、HGP、ASR、GAT-NSR、DIffNetLG、DIffNET++、DiffNEt、DANSER、SR-HGNN、SEPT、ESRF堆叠多个GNN层以捕获多跳高阶社会关系。
然而，堆叠的GNN层可能会遇到过度平滑的问题，这可能会导致性能显著下降。基于超图的方法，如MHCN，提出用hyperedge对高阶社会关系进行建模，hyperedge可以连接两个以上的节点，并以自然的方式对高阶关系进行建模。

超图

HOSR沿着社交网络递归传播嵌入，以反映高阶邻居在用户表示中的影响。为了进一步提高推荐性能，一些文献TGRec、KCGN、DGRec、RecoGCN、GBGCN在构建图时引入了边信息。RecoGCN将用户、物品和销售代理统一到一个异构图中，以捕捉社会电子商务中的复杂关系。GBGCN构建了一个图，用于组织团购推荐中两个视图的用户行为，其中启动器视图包含启动器项目交互，参与者视图包含参与者项目交互。DGRec和TGRec将用户行为的时间信息引入到社会推荐中。KCGN建议使用开发的知识感知耦合图来捕获用户-用户和项目-项目关系。

信息传播

对于构建的社会推荐图上的传播，主要有两种传播机制，即平均池化（GCN）和注意机制（GAT）。

Average Pooling（GCN）

具有平均池机制的方法TGRec、GNN-SoR、KCGN、HGP、DiffNet、DiffNet、SR-HGCN、SEPT、MHCN、GBGCN在社交图上进行平均池化传播（GCN），并平等对待朋友的社会影响。RecoGCN在构建的图上进行基于元路径的GCN传播，以捕获社会影响和用户偏好。HOSR使用GCN聚合邻居的信息，以捕获社交图中的高阶关系。MHCN在构建的超图上使用GCN进行传播，以获得高阶社会关系。

图注意力机制（GAT）

具有注意机制的方法GraphRec、ASR、GAT-NSR、DGRec、DiffNet++、DANSER、ESRF，如GraphRec和DiffNet++，假设社交图上不同邻居的社会影响不同，并为不同朋友的社会影响分配不同的权重。

各模型细节

在社会推荐中，用户表示从两个不同的角度学习，即社会影响和用户交互。要从上述两个角度组合用户表示，有两种策略
1）分别从社交图和用户项二部图学习用户表示
2）联合从由社交图和用户项二部图组成的统一图学习用户表示。
采用第一种策略的方法，如DiffNet、GraphRec和MHCN，首先分别从社交图和用户项图中学习用户表示，然后将表示与sum pooling相结合（DiffNet、MHCN）、串联（GraphRec）、MLP（GAT-NSR）或注意机制TGRec、HGP、HOSR。
DiffNet++是第二种策略的典型方法，它首先使用GAT机制聚合用户项目子图和社交子图中的信息，然后在每一层将表示与设计的多级注意网络相结合。

参考文献：

Graph Neural Networks for Recommender Systems:
Challenges, Methods, and Directions

【论文整理】基于图神经网络的社交推荐模型整理Graph Neural Networks for Recommender Systems: Challenges, Methods, and Direct相关推荐

论文阅读|基于图神经网络的配电网故障定位方法
来源:北京交通大学硕士学位论文,2022 摘要电网拓扑形态多样,重构场景频繁,,传统故障定位方法的单一阈值设定无法满足要求,基于人工智能的配电网故障定位技术具有很大的应用潜力,但仍存在着拓扑关联性差 ...
ICLR 2022 | 香侬科技提出基于图神经网络的语义理解模型，获单项满分
©作者 | 香侬科技来源 | 香侬科技近日,深度学习国际顶级会议ICLR 2022向作者公布了论文录用结果.香侬科技3篇论文被大会收录,研究内容覆盖通用自然语义理解.NLP神经网络模型安全性.自动 ...
【论文导读】- STFL: A Spatial-Temporal Federated Learning Framework for Graph Neural Networks
文章目录论文信息摘要 Contributions Methodology Graph Generation Graph Neural Network 联邦学习 Experiment 数据集 Nod ...
【论文翻译_知识蒸馏】Distilling Holistic Knowledge with Graph Neural Networks
(以下的"提取"都可以替换为"蒸馏"),收录于ICCV2021 摘要知识提炼(KD)旨在将知识从一个更大的优化教师网络转移到一个更小的可学习学生网络.现有的知 ...
复杂网络论文解析——《Finding Patient Zero:Learning Contagion Source with Graph Neural Networks》
本文为原创,转载需声明出处. 介绍最近看的一篇复杂网络研究流行病传染源的文章,<Finding Patient Zero: LearningContagion Source with Graph ...
AGGCN | 基于图神经网络的关系抽取模型
今天给大家介绍2019年6月发表在ACL上的论文"Attention Guided Graph Convolutional Networks for Relation Extraction& ...
知识图谱论文阅读（十六）【WWW2019】Knowledge Graph Convolutional Networks for Recommender
题目: KGCN 论文链接: 代码链接:https://github.com/hwwang55/KGCN 想法高阶的意思就是multi-hop的意思注意是从外向里聚合的,第h-1跳是外侧,第h跳是 ...
论文笔记：Federated Graph Neural Networks: Overview, Techniques and Challenges
论文地址:https://arxiv.org/pdf/2202.07256.pdf 目录一.摘要二.引言三.3层FedGNN分类方法 1.分类方法简述 2.客户端通过图拓扑进行关联 2.1.有中 ...
【论文阅读】Learning Effective Road Network Representation with Hierarchical Graph Neural Networks
目录简介论文简介 ABSTRACT 1 INTRODUCTION 2 RELATED WORK 3 PRELIMINARIES 4 MODEL 4.1 Contextual Embedding f ...

【论文整理】基于图神经网络的社交推荐模型整理Graph Neural Networks for Recommender Systems: Challenges, Methods, and Direct