導讀
我們都知道在數據結構中，圖是一種基礎且常用的結構。現實世界中許多場景可以抽象爲一種圖結構，如社交網絡，交通網絡，電商網站中用戶與物品的關係等。以躺平APP社區爲例，它是“躺平”這個大生態中生活方式分享社區，分享生活分享家，努力打造社區交流、好物推薦與居家指南。用戶在社區的所有行爲：發佈、點擊、點贊、評論收藏等都可以抽象爲網絡關係圖。因此Graph Embedding技術非常自然地成爲學習社區中用戶與內容的embedding的一項關鍵技術。
目前落地的模型大致兩類： 直接優化節點的淺層網絡模型 和 基於GNN的深層網絡模型 。前者包括基於用戶行爲理解內容，學習內容向量表徵的item2vec,用於擴充i2i召回；同時學習用戶與內容向量表徵的異構網絡表示學習模型metapath2vec，用於提高內容召回的多樣性；以羣體行爲代替個體行爲的userCluster2vec，緩解新用戶冷啓動問題。後者包括採用鄰域聚合的思想，同時融入節點屬性信息，通過多層節點聚合使得網絡中的拓撲結構能夠有效捕捕獲的graphSage，以及將attention機制運用鄰域信息聚合階段的GAT，對用戶與內容向量表徵進行更加細緻化學習。
原文鏈接:【https://www.infoq.cn/article/o7tDyFJ6akV1eoOlsg2z】。未經作者許可，禁止轉載。