一种用于产品关系预测的图神经网络方法

图神经网络近年来革新了许多机器学习任务，从药物发现、推荐系统、图像分类、社交网络分析到自然语言理解。本文展示了它们在建模产品间关系及针对未知产品网络进行预测方面的有效性。通过将产品表示为图的节点、其关系表示为边，我们展示了一种名为 GraphSAGE 的归纳式图神经网络方法如何高效学习节点与边的连续表示。这些表示还捕获了价格、品牌或工程属性等产品特征信息。它们与分类模型结合，用于预测产品间关系的存在。以中国汽车市场为案例，我们发现相较基于指数随机图模型的方法，本方法在预测汽车间共同考虑关系上的预测性能提升了一倍。虽然原始 GraphSAGE 需要部分网络才能进行预测，我们引入了“邻接预测模型”以规避该限制，从而在无任何邻域信息已知时也能预测产品关系。最后，我们展示了基于排列的可解释性分析如何提供关于设计属性如何影响产品间关系预测的洞见。本工作提供了一种预测多种不同市场中产品间关系的系统性方法。