面向社交推荐系统的图神经网络综述
社会与信息网络
2024-05-02 v3 信息检索
机器学习
摘要
社交推荐系统（SocialRS）同时利用用户-物品交互以及用户-用户社交关系来为用户生成物品推荐。由于同质性与社会影响的作用，额外利用社交关系显然有助于理解用户偏好。因此，SocialRS 日益受到关注。特别是随着图神经网络（GNN）的发展，近期已提出许多基于 GNN 的 SocialRS 方法。为此，我们对基于 GNN 的 SocialRS 文献进行了全面系统的综述。本综述中，我们依据 PRISMA 框架（系统综述与荟萃分析优先报告条目）对 2151 篇论文进行标注后，筛选出 84 篇基于 GNN 的 SocialRS 论文。随后，我们从输入与架构两方面对其全面综述，提出一种新颖的分类法：（1）输入分类法包含 5 组输入类型记号和 7 组输入表示记号；（2）架构分类法包含 8 组 GNN 编码器记号、2 组解码器记号和 12 组损失函数记号。我们按该分类法将基于 GNN 的 SocialRS 方法分为若干类并描述其细节。此外，我们总结了广泛用于评估基于 GNN 的 SocialRS 方法的基准数据集与指标。最后，我们给出若干未来研究方向以作总结。精心整理的论文列表的 GitHub 仓库见 https://github.com/claws-lab/awesome-GNN-social-recsys。
引用
@article{arxiv.2212.04481,
title = {A Survey of Graph Neural Networks for Social Recommender Systems},
author = {Kartik Sharma and Yeon-Chang Lee and Sivagami Nambi and Aditya Salian and Shlok Shah and Sang-Wook Kim and Srijan Kumar},
journal= {arXiv preprint arXiv:2212.04481},
year = {2024}
}
备注
Published in ACM CSUR April 2024. GitHub repository with the curated list of papers: https://github.com/claws-lab/awesome-GNN-social-recsys