图神经网络推荐研究进展

• 作者: 吴国栋 宋福根 查志康 涂立静 陶鸿
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 图神经网络 推荐系统 深度学习 实体联系 社交关系 协同过滤 无向图 有向图
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 综述
• 页码范围: 14-24
• 页数: 11页
• 分类号: TP301
• 字数: 8374字
• 语种: 中文
• DOI: 10.11992/tis.201908034

摘要

图神经网络(graph neural network,GNN)具有从图的领域对数据进行特征提取和表示的优势,近年来成为人工智能研究的热点,图神经网络推荐也是推荐系统研究的一个新方向.本文对GNN模型进行深入研究的基础上,分析了GNN推荐过程,并从无向单元图推荐、无向二元图推荐、无向多元图推荐3个方面详细讨论了现有GNN推荐研究取得的主要进展及不足,阐明了现有GNN推荐研究中存在的主要难点,最后提出了GNN上下文推荐、GNN跨领域推荐、GNN群组推荐、GNN推荐的可解释性等未来GNN推荐的研究方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋福根	东华大学管理学院	49	284	8.0	14.0
2	吴国栋	东华大学管理学院	42	121	6.0	9.0
4	涂立静	安徽农业大学信息与计算机学院	14	44	3.0	6.0
7	查志康	安徽农业大学信息与计算机学院	4	2	1.0	1.0
8	陶鸿	安徽农业大学信息与计算机学院	31	234	10.0	14.0