Graph Neural Networks in Recommender Systems：A Survey.pdf
随着网络信息的爆炸式增长，推荐系统在缓解信息过载方面发挥了重要作用。由于推荐系统具有重要的应用价值，这一领域的研究一直在不断涌现。近年来，图神经网络(GNN)技术得到了广泛的关注，它能将节点信息和拓扑结构自然地结合起来。由于GNN在图形数据学习方面的优越性能，GNN方法在许多领域得到了广泛的应用。在推荐系统中，主要的挑战是从用户/项目的交互和可用的边信息中学习有效的嵌入用户/项目。由于大多数信息本质上具有图结构，而网络神经网络在表示学习方面具有优势，因此将图神经网络应用于推荐系统的研究十分活跃。本文旨在对基于图神经网络的推荐系统的最新研究成果进行全面的综述。具体地说，我们提供了基于图神经网络的推荐模型的分类，并阐述了与该领域发展相关的新观点。
文件下载
评论信息
其他资源
- openlayers课程资料ppt
- MATLAB可视化高等数学(上册)
- 软件测试复习题.pdf
- 基于HTML5实现的FlappyBird
- json数据的转换工具
- 操作系统—精髓与设计原理myshell项目附报告
- OpenGL 绘制立方体、茶壶、环面等稍复杂的图形
- ATK-ESP8266 阿里云.zip
- IdxSubOcr 老马的图形字幕扫描软件最新版1.15
- 项目案例(完整的Project文件).rar
- 安卓-实现仿小米便签项目
- android蓝牙连接通信的实现
- AutoEncoder用于推荐系统pytorch实现
- 激光细丝引起的云室内凝结和积雪
- ImageSharpness.rar
- 仿人型假手指尖三维力触觉传感器及动态抓取研究.pdf
- 即时聊天工具(简易版)
- 在内存中加载作为资源的DLL文件
- linpop neusoft
- DSP 基2 FFT 算法详细代码带注释
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明