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
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)