論文題目：Graph Neural Networks for Social Recommendation
文章解決的challenge：
1.We propose a novel graph neural network GraphRec, which can model graph data in social recommendations coherently;
將用戶與物品交互矩陣，用戶與用戶關(guān)系矩陣結(jié)合起來
2.We provide a principled approach to jointly capture interactions and opinions in the user-item graph;
考慮用戶與物品交互與顯示反饋結(jié)合
3.We introduce a method to consider heterogeneous strengths of social relations mathematically
考慮到用戶社交列表中具有不同的親疏關(guān)系，只有關(guān)系比較親近的人之間才會進(jìn)行物品推薦
文章模型框架：

Model:
文章整體框架依然是為了得到user latent vector和item latent vector
在item modeling部分并沒有什么創(chuàng)新點(diǎn)，一般得到item latent vector時(shí)都是用購買過該item的user向量表示，這里加入了一個(gè)opinion embedding，用戶對該物品的評分向量
user modeling 部分比較復(fù)雜：
(1).左半部分，通過item space得到的向量與上述的相同，通過購買過的物品的item向量和opinion embedding組成
(2).右半部分，與該用戶有直接關(guān)聯(lián)的用戶向量組成
所有的部分都有一個(gè)attention機(jī)制，作者認(rèn)為通過attention機(jī)制可以更好的描述用戶的偏好信息，也可以得到用戶之間的親疏關(guān)系。

總結(jié)

以上是生活随笔為你收集整理的基于社交网络的推荐的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。