ContextGNN 走向 Elliot：面向静态链接预测（即个性化物品推荐）的关系深度学习基准测试
信息检索
2025-03-24 v1 机器学习
摘要
关系深度学习（RDL）是机器学习为关系型数据库最激动人心的进展之一，利用消息传递图神经网络（GNN）的表征能力，推导有用知识并在通过主外键链接相连的表格上运行预测任务。RDL 范式最近在推荐系统中得到了成功，最新代表性的深度学习架构即为 ContextGNN。尽管承认 ContextGNN 在真实世界的推荐数据集和任务上的表现得到了提升，但对更传统的静态链接预测任务（即个性化物品推荐）在流行的 Amazon Book 数据集上的初步测试显示，ContextGNN 在其他 state-of-the-art GNN 基于推荐系统中仍有提升空间。为此，本文将 ContextGNN 集成到 Elliot 框架中，后者是一个用于可重复性和基准分析的热门框架，包含约 50 种来自文献的最新推荐模型。基于此，我们在三个标准推荐数据集上针对六种 state-of-the-art GNN 基于推荐系统进行了初步实验，确认了与作者在原论文中观察到的类似趋势。代码已公开于 GitHub：https://github.com/danielemalitesta/Rel-DeepLearning-RecSys。
关键词
引用
@article{arxiv.2503.16661,
title = {ContextGNN goes to Elliot: Towards Benchmarking Relational Deep Learning for Static Link Prediction (aka Personalized Item Recommendation)},
author = {Alejandro Ariza-Casabona and Nikos Kanakaris and Daniele Malitesta},
journal= {arXiv preprint arXiv:2503.16661},
year = {2025}
}