基于图的推荐：从数据角度的全面综述
摘要：基于图学习的推荐系统中的最新进展已经表明了它们在建模用户偏好和物品特征方面的有效性。推荐系统中的大部分数据可以组织成图，其中各种对象（例如用户、物品和属性）通过各种关系明确或隐式地连接并相互影响。这种基于图的组织方式有助于利用图学习技术（例如随机游走和网络嵌入）中的潜在特性来丰富用户和物品节点的表示，这是成功推荐的一个重要因素。在本文中，我们提供了对基于图学习的推荐系统（GLRSs）的综合调查。具体来说，我们从数据驱动的角度出发，系统地对GLRSs中的各种图进行分类并分析其特点。然后，我们讨论了以图学习模块为重点的最先进框架以及它们如何解决实际推荐中的挑战，如可扩展性、公平性、多样性、可解释性等。最后，我们分享了这个快速发展领域中一些潜在的研究方向。
作者：Lemei Zhang, Peng Liu, Jon Atle Gulla
论文ID：2212.12230
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-03-15