【KDD2022】图表示学习的网络级推荐系统：工业界视角-技术圈

【KDD2022】图表示学习的网络级推荐系统：工业界视角

共 489字，需浏览 1分钟

2022-08-25 10:55

来源：专知
本文为教程，建议阅读5分钟
在本教程中，我们讨论了自监督图嵌入的不同方法家族。

推荐系统是现代消费者网络应用程序的基本组成部分，它试图预测用户的偏好，以更好地服务于相关商品。因此，作为推荐系统输入的高质量用户和项目表示对于个性化推荐至关重要。为了构造这些用户和项目表示，自监督图嵌入已经成为一种原则性的方法，用于嵌入关系数据，如用户社交图、用户成员关系图、用户-项目参与关系图和其他异构图。在本教程中，我们讨论了自监督图嵌入的不同方法家族。在每个家族，我们概述了各种技术，他们的优点和缺点，并阐述最新的工作。最后，我们演示了如何在现代工业规模的深度学习推荐系统中有效地利用由此产生的大型嵌入表来提高候选对象的检索和排名。

https://ahelk.github.io/talks/kdd22.html

Introduction and Motivation
Homogenous Graph Embeddings
Heterogeneous Graph Embeddings
Graph Neural Networks
Recommender System Applications