前言

近年來，GNN技術(shù)由于其在圖數(shù)據(jù)學(xué)習(xí)方面的出色表現(xiàn)，在許多領(lǐng)域得到了廣泛的應(yīng)用。在推薦系統(tǒng)中，大部分信息本質(zhì)上具有圖結(jié)構(gòu)，而由于GNN對(duì)于表示學(xué)習(xí)具有一定的優(yōu)勢(shì)，所以GNN在推薦系統(tǒng)相關(guān)領(lǐng)域的應(yīng)用迅速發(fā)展。本文盡可能用通俗的語言代替算法公式來進(jìn)行講述，希望可以讓讀者對(duì)推薦系統(tǒng)中的圖神經(jīng)網(wǎng)絡(luò)有一個(gè)基本的了解。

一、什么是圖神經(jīng)網(wǎng)絡(luò)？

Graph Neural Network（GNN），顧名思義，圖上的神經(jīng)網(wǎng)絡(luò)，為了理解GNN，需要弄清楚以下兩個(gè)問題：

1.首先，什么是圖（Graph）？簡(jiǎn)單來講，圖是定義了節(jié)點(diǎn)（node）和連接方式（edge）的一種結(jié)構(gòu)，節(jié)點(diǎn)和邊都分別具有其性質(zhì)，比如化學(xué)分子（原子/鍵）、城市地鐵（站臺(tái)/鐵路）、社交網(wǎng)絡(luò)（人/關(guān)系）。

2.其次，怎么把圖塞到神經(jīng)網(wǎng)絡(luò)里？

直觀上想，近朱者赤近墨者黑，一個(gè)節(jié)點(diǎn)跟他所連接的節(jié)點(diǎn)應(yīng)該有一些相似的關(guān)系，那么就可以利用這些特定的關(guān)系來幫助我們的模型學(xué)到好的節(jié)點(diǎn)表示，那么怎么做到這件事呢？

回想一下卷積神經(jīng)網(wǎng)絡(luò)（CNN），做卷積的過程中，放一個(gè)卷積核，然后相乘相加，做完了之后就可以得到下一層的 feature map，同樣的，可以將類似的操作推廣到圖結(jié)構(gòu)上。

總結(jié)

以上是生活随笔為你收集整理的浅谈推荐系统中的图神经网络的全部?jī)?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。