Обзор графовых нейронных сетей для рекомендательных систем: проблемы, методы и направления развития

Рекомендательные системы относятся к числу наиболее важных информационных сервисов современного Интернета. В последнее время графовые нейронные сети стали одним из передовых подходов к построению рекомендательных систем. В данном обзоре представлен всесторонний анализ литературы, посвящённой рекомендательным системам на основе графовых нейронных сетей. Сначала рассматриваются предпосылки и история развития рекомендательных систем и графовых нейронных сетей. В целом существующие исследования рекомендательных систем можно классифицировать по четырём аспектам: этапу, сценарию, целевой задаче и области применения. Существующие методы графовых нейронных сетей подразделяются на две категории: спектральные и пространственные модели. Далее обсуждаются основные причины применения графовых нейронных сетей в рекомендательных системах, включая связи высокого порядка, структурные свойства данных и усиленный сигнал обучения. Затем систематически анализируются проблемы построения графов, распространения и агрегации эмбеддингов, оптимизации моделей и вычислительной эффективности. После этого, что является основной частью обзора, представлен всесторонний анализ многочисленных существующих работ по рекомендательным системам на основе графовых нейронных сетей в соответствии с указанной таксономией. Наконец, обсуждаются нерешённые проблемы и перспективные направления дальнейших исследований в данной области. В обзоре обобщены репрезентативные публикации и соответствующие им репозитории с исходным кодом, доступные по адресу https://github.com/tsinghua-fib-lab/GNN-Recommender-Systems.