图神经网络在推荐系统中的论文推荐 📚

图神经网络（GNN）在推荐系统领域的应用日益广泛，以下是近期值得关注的论文及研究方向：

核心研究方向

1. 用户-物品交互建模
   🌐 图神经网络在推荐系统中的应用综述
   通过图结构捕捉用户与物品间的复杂关系，提升冷启动与长尾推荐效果

2. 动态图建模与演化
   📈 动态图神经网络优化方法
   研究实时数据下的图结构变化对推荐精度的影响

3. 多跳关系推理
   🔍 多跳图神经网络在推荐中的突破
   通过多跳路径挖掘深层用户偏好，相关论文可参考 深度图学习 路径

典型论文推荐

• "Graph Neural Networks for Social Recommendation"
  📚 ACL 2023最佳论文
  结合社交网络与物品图谱的联合建模方法

• "Dynamic Graph Embedding for Recommendation"
  🚀 KDD 2022创新奖论文
  提出基于时间序列的图嵌入更新策略

• "Heterogeneous Graph Neural Networks in E-commerce"
  🛍 WWW 2023工业应用论文
  针对电商场景的多类型图结构处理方案

扩展阅读

如需了解图神经网络的基础原理，可参考：
图神经网络入门指南
（文中包含对比不同GNN架构的可视化示意图）