典型文献
图神经网络推荐系统综述
文献摘要：
推荐系统(RS)因信息冗杂繁多而诞生.由于数据形式的多样化、复杂化以及数据信息量稀疏性,传统的推荐系统已经不能很好地解决目前的问题.图神经网络(GNN)能从图中对边和节点数据进行特征提取和表示,对处理图结构数据具有先天优势,因此在推荐系统中蓬勃发展.将近年的主要研究成果进行了梳理并加以总结,着重从方法、问题两个角度出发,系统性地综述了图神经网络推荐系统.首先,从方法层面阐述了图卷积网络推荐系统、图注意力网络推荐系统、图自动编码器推荐系统、图生成网络推荐系统、图时空网络推荐系统等五大类的图神经网络推荐系统;接着,从问题相似性出发,归纳出序列推荐问题、社交推荐问题、跨域推荐问题、多行为推荐问题、捆绑推荐问题以及基于会话推荐问题等六大类问题;最后,在对已有方法分析和总结的基础上,指出了目前图神经网络推荐系统研究面临的难点,提出相应的研究问题以及未来研究的方向.
文献关键词：
图神经网络(GNN);推荐系统(RS);图卷积网络(GCN)
中图分类号：
作者姓名：
吴静;谢辉;姜火文
作者机构：
江西科技师范大学 数学与计算机科学学院,南昌 330038
文献出处：
引用格式：
[1]吴静;谢辉;姜火文-.图神经网络推荐系统综述)[J].计算机科学与探索,2022(10):2249-2263
A类：
B类：
图神经网络,推荐系统,系统综述,RS,信息冗杂,信息量,稀疏性,解决目前,GNN,图结构数据,将近,方法层,图卷积网络,图注意力网络,自动编码器,图生成,生成网络,时空网络,五大类,序列推荐,社交推荐,跨域推荐,多行,捆绑,基于会话推荐,六大类,研究问题,GCN
AB值：
0.330078
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。
