Графовые нейронные сети в рекомендательных системах: обзор

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.