Graph4Rec：基于图神经网络的推荐系统通用工具包
机器学习
2021-12-09 v2
摘要
近年来，由于图表示学习的出色表现，图神经网络（GNN）技术在推荐系统和社交网络等许多实际场景中获得了广泛关注。在推荐系统中，主要挑战是从用户/物品交互中学习有效的用户/物品表示。然而，许多近期使用 GNN 的推荐系统研究因数据集和评估指标的差异而无法直接比较。此外，其中许多仅提供在小数据集上实验的 demo，远未应用于实际推荐系统。为解决该问题，我们推出 Graph4Rec，一个将 GNN 模型训练范式统一为以下部分的通用工具包：图输入、随机游走生成、ego 图生成、样本对生成和 GNN 选择。通过该训练流程，用户可通过少量配置轻松构建自己的 GNN 模型。此外，我们开发了大规模图引擎和参数服务器以支持分布式 GNN 训练。我们进行了系统而全面的实验，以比较不同规模下多个场景中不同 GNN 模型的性能。大量实验揭示了 GNN 的关键组件。我们也尝试厘清稀疏与稠密参数如何影响 GNN 性能。最后，我们研究了负采样、ego 图构建顺序和预热启动策略等方法，以寻找在推荐系统中更有效且高效的 GNN 实践。我们的工具包基于 PGL https://github.com/PaddlePaddle/PGL，代码开源于 https://github.com/PaddlePaddle/PGL/tree/main/apps/Graph4Rec。
引用
@article{arxiv.2112.01035,
title = {Graph4Rec: A Universal Toolkit with Graph Neural Networks for Recommender Systems},
author = {Weibin Li and Mingkai He and Zhengjie Huang and Xianming Wang and Shikun Feng and Weiyue Su and Yu Sun},
journal= {arXiv preprint arXiv:2112.01035},
year = {2021}
}
备注
8 pages, 4 figures