面向推荐系统的图神经网络综述：挑战、方法与方向

推荐系统是当今互联网上最重要的信息服务之一。近年来，图神经网络已成为推荐系统领域最新的前沿方法。本综述对基于图神经网络的推荐系统文献进行了全面回顾。我们首先介绍了推荐系统和图神经网络的背景与发展历史。对于推荐系统，现有工作通常可从四个维度进行分类：阶段、场景、目标和应用。对于图神经网络，现有方法包括谱模型和空间模型两大类。随后，我们讨论了将图神经网络应用于推荐系统的动机，主要包括高阶连接性、数据的结构特性以及增强的监督信号。我们系统性地分析了在图构建、嵌入传播/聚合、模型优化和计算效率方面面临的挑战。之后，我们主要依据上述分类法，对大量现有的基于图神经网络的推荐系统工作进行了全面概述。最后，我们对该领域的开放性问题和有前景的未来方向进行了讨论。我们在\url{https://github.com/tsinghua-fib-lab/GNN-Recommender-Systems}汇总了代表性论文及其代码库。