Графовые нейронные сети в рекомендательных системах: обзор
Graph Neural Networks in Recommender Systems: A Survey
2022-05-05
SCID: 54.1/4mhgewf3
Discuss with AI
графовые нейронные сетиобучение представлений графовзадачи рекомендацийрекомендательные системыпредставления пользователей/объектов
Figures from the paper
Abstract (AI)
Стремительный рост объёма онлайн-информации делает рекомендательные системы ключевым инструментом для снижения информационной перегрузки. Благодаря значительной практической ценности рекомендательных систем исследования в этой области продолжают активно развиваться. Основная задача рекомендательных систем заключается в построении эффективных представлений пользователей и объектов на основе их взаимодействий и, при наличии, дополнительной информации. В последнее время методы графовых нейронных сетей (GNN) широко применяются в рекомендательных системах, поскольку большая часть информации в таких системах по своей сути имеет графовую структуру, а GNN особенно эффективны для обучения представлений графов. В данной статье представлен всесторонний обзор современных исследований рекомендательных систем на основе GNN. В частности, предложена таксономия моделей рекомендаций на основе GNN в соответствии с типами используемой информации и решаемыми задачами рекомендаций. Кроме того, систематически проанализированы проблемы применения GNN к данным различных типов и рассмотрены способы, с помощью которых существующие исследования решают эти проблемы. Также представлены новые перспективы развития данной области. Мы собрали репрезентативные публикации и их реализации с открытым исходным кодом по адресу https://github.com/wusw14/GNN-in-RS.
Key Findings
1
Сформулированы новые перспективы и направления дальнейшего развития рекомендательных систем на основе GNN.
2
Представлена таксономия моделей рекомендаций на основе GNN, организованная по типам используемой информации и задачам рекомендаций.
3
Авторы собрали репрезентативные публикации и их реализации с открытым исходным кодом в общедоступном репозитории.
4
В обзоре показано, что GNN хорошо подходят для рекомендательных систем, поскольку взаимодействия пользователей и побочная информация естественно образуют графовую структуру.
5
Систематически проанализированы проблемы применения GNN к различным типам данных рекомендательных систем и рассмотрены существующие решения.
Research Object
Рекомендательные системы на основе GNN
Research Subject
Таксономия, проблемы применения и перспективы развития рекомендательных моделей на основе GNN для обучения представлений пользователей и объектов по взаимодействиям и дополнительной информации в различных задачах рекомендаций
Publication Details
Publication Date
2022-05-05
Journal
Publisher
ISSN
Cited by
1375
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai12
Полуобучаемая классификация с использованием графовых сверточных сетей2016
Эмпирическая оценка управляемых рекуррентных нейронных сетей для моделирования последовательностей2014
Всеобъемлющий обзор графовых нейронных сетей2020
Графовые нейронные сети: обзор методов и приложений2020
Графовые сверточные нейронные сети для рекомендательных систем веб‑масштаба2018
Графовая нейронная сеть с механизмом внимания для неоднородных графов2019
Графовые нейронные сети: обзор методов и приложений2018
MAGNN: Метапатч-агрегирующая графовая нейронная сеть для встраивания гетерогенных графов2020
Обзор рекомендательных систем на основе графов знаний2020
Взаимодействующие сети для обучения представлениям об объектах, отношениях и физике2016
Объяснимость графовых нейронных сетей: таксономический обзор2022
Обнаружение уязвимостей, специфичных для функциональности, путем поиска индивидуальных эквивалентных по функциональности API в открытых репозиториях2025
Работы, цитирующие эту статью5
Системы рекомендаций в эпоху больших языковых моделей (LLMs)2024
Обзор графовых нейронных сетей для рекомендательных систем: проблемы, методы и направления развития2023
Методы машинного обучения для решения задач, связанных с малыми объемами данных в молекулярной науке2023
Обзор методов обнаружения вредоносного программного обеспечения с использованием обучения представлений на графах2024
Графовые нейронные сети: обзор взаимосвязей между конфиденциальностью и безопасностью2024