SIGIR 2019 开源论文：基于图神经网络的协同过滤算法

作者丨纪厚业单位丨北京邮电大学博士生研究方向丨异质图神经网络，异质图表示学习和推荐系统论文：https://www.paperweekly.site/papers/3212源码：xiangwang1223/neural_graph_collaborative_filtering引言协同过滤作为一种经典的推荐算法在推荐领域有举足轻重的地位。协同过滤（collaborative filtering）的基本假设是相似的用户会对物品展现出相似的偏好。总的来说，协同过滤模型主要包含两个关键部分：1）embedding，即如何将 user 和 item 转化为向量表示；2）interaction modeling，即如何基于 user 和 item 的表示来重建它们的历史交互。传统协同过滤算法（如经典的矩阵分解和神经矩阵分解）本质还是给 user 和 item 初始化一个 embedding，然后利用交互信息来优化模型。它们并没有把交互信息编码进 embedding 中，所以这些 embedding 都是次优的。直观地理解，如果能将 user-item 的交互信 ………………………………