曾经火热的Graph Embedding和GNN在推荐系统上还有前途吗？

文章预览

前段时间回答了一个问题  为什么最近几年，没人在推荐系统里去玩 GNN 模型，GNN 是凉透了吗？  感觉大家还挺感兴趣，这次专门开一篇文章，再详细聊一聊Graph Embedding和GNN在推荐系统中的应用前景。 GNN的收益来源是什么？ 我们做推荐系统的优化，一定要清楚每次优化的效果收益来源是什么。一般来说，收益总是来源于 样本、特征和模型 三个方向的一个或多个。但归根到底，可以再精炼成两个方面，收益要么来源于 信息的增加（样本、特征） ，要么来源于 信息利用能力的增强（模型） 。 比如说，一个电影推荐系统，从来没有利用过电影中的演员信息，这时候把演员的信息加入到推荐系统中，很大概率能够带来效果的提升，因为这部分信息是新鲜的，系统从未学习过的知识，这就是增量信息带来的收益。 再比如说，我们的推荐模型本来是一个 ………………………………