典型文献
基于图学习的推荐系统研究综述
文献摘要：
协同过滤是一种被广泛应用于推荐系统中的方法,其利用不同用户之间(或不同物品之间)的相似性关系来过滤和抽取用户和物品的交互信息,从而进行用户推荐.近年来,图神经网络因其出色的表示学习性能和良好的可扩展性逐渐成为推荐领域中的一种新兴的范式.文中从图学习角度对近年来推荐领域的研究进行系统性的回顾与总结.首先,根据数据类型将推荐场景分成两类,包括基于交互信息的推荐系统(将用户与物品交互数据作为关键数据源)和辅助信息增强的推荐系统(融入与用户和物品相关联的社交信息和知识图谱信息);其次,从随机游走、图表示学习和图神经网络方面入手,对不同推荐场景中的方法、关键技术、主要难点和重要进展进行回顾与总结;最后,总结关于图学习方法在推荐领域中面临的挑战和未来的主要研究方向.
文献关键词：
推荐系统;协同过滤;图学习
中图分类号：
作者姓名：
程章桃;钟婷;张晟铭;周帆
作者机构：
电子科技大学信息与软件工程学院 成都610054
文献出处：
引用格式：
[1]程章桃;钟婷;张晟铭;周帆-.基于图学习的推荐系统研究综述)[J].计算机科学,2022(09):1-13
A类：
B类：
图学习,推荐系统,协同过滤,同用,取用,交互信息,用户推荐,图神经网络,出色,学习性,可扩展性,数据类型,交互数据,关键数据,数据源,辅助信息,信息增强,品相,相关联,社交信息,随机游走,图表示学习,重要进展
AB值：
0.331024
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
