专题解读 | LLM与GNN的结合：数据增强的视角

文章预览

一、简介 随着大语言模型（LLM）在自然语言处理中的应用不断深入，其在语义理解和生成方面的优势为多个领域带来了革新。在基于文本的图或节点特征依赖文本的场景中，传统的图神经网络（GNN）常常难以充分捕捉其中的语义信息。通过将LLM与GNN相结合，能够更好地处理文本特征和图结构间的复杂关系，增强GNN在各种任务中的表现。本文从数据增强的角度，聚焦两项利用LLM来提升GNN性能的最新研究：LLMRec 和 GAugLLM，分别在推荐系统和对比学习任务中展示了其效果。 二、LLMRec: Large Language Models with Graph Augmentation for Recommendation（WSDM 2024） 在现实推荐系统中，用户数据的缺失、噪声以及监督信号不足是常见挑战。这些问题影响了推荐模型的效果，导致对用户兴趣的建模不准确。LLMRec提出了一种通过用户-物品交互图进行边和节点增强的策略，旨在产生 ………………………………