論文の概要: A Survey of Graph Neural Networks for Social Recommender Systems
- arxiv url: http://arxiv.org/abs/2212.04481v1
- Date: Thu, 8 Dec 2022 18:54:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-09 16:50:17.408154
- Title: A Survey of Graph Neural Networks for Social Recommender Systems
- Title(参考訳): ソーシャルレコメンデータシステムのためのグラフニューラルネットワークに関する調査
- Authors: Kartik Sharma and Yeon-Chang Lee and Sivagami Nambi and Aditya Salian
and Shlok Shah and Sang-Wook Kim and Srijan Kumar
- Abstract要約: ソーシャルレコメンデーションシステム(Social Recommer System, ソーシャルレコメンデーションシステム)は、ユーザ間インタラクションとユーザ間ソーシャルリレーションを同時に活用する。
グラフニューラルネットワーク(GNN)の進歩により、近年多くのGNNベースのSocialRS手法が開発されている。
我々は,GNNに基づくSocialRS手法に関する文献を包括的かつ体系的にレビューする。
- 参考スコア(独自算出の注目度): 15.630149779052827
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Social recommender systems (SocialRS) simultaneously leverage user-to-item
interactions as well as user-to-user social relations for the task of
generating item recommendations to users. Additionally exploiting social
relations is clearly effective in understanding users' tastes due to the
effects of homophily and social influence. For this reason, SocialRS has
increasingly attracted attention. In particular, with the advance of Graph
Neural Networks (GNN), many GNN-based SocialRS methods have been developed
recently. Therefore, we conduct a comprehensive and systematic review of the
literature on GNN-based SocialRS. In this survey, we first identify 80 papers
on GNN-based SocialRS after annotating 2151 papers by following the PRISMA
framework (Preferred Reporting Items for Systematic Reviews and Meta-Analysis).
Then, we comprehensively review them in terms of their inputs and architectures
to propose a novel taxonomy: (1) input taxonomy includes 5 groups of input type
notations and 7 groups of input representation notations; (2) architecture
taxonomy includes 8 groups of GNN encoder, 2 groups of decoder, and 12 groups
of loss function notations. We classify the GNN-based SocialRS methods into
several categories as per the taxonomy and describe their details. Furthermore,
we summarize the benchmark datasets and metrics widely used to evaluate the
GNN-based SocialRS methods. Finally, we conclude this survey by presenting some
future research directions.
- Abstract(参考訳): ソーシャルリコメンデーションシステム(social recommender systems, social recommender)は,アイテムレコメンデーションを生成するタスクとして,ユーザ間インタラクションとユーザ間ソーシャルリレーションを同時に活用する。
さらに、社会関係の活用は、同性や社会的影響によるユーザの嗜好を理解する上で、明らかに有効である。
そのため、SocialRSはますます注目を集めている。
特に、グラフニューラルネットワーク(GNN)の進歩により、近年多くのGNNベースのSocialRS手法が開発されている。
そこで我々はGNNベースのSocialRSに関する文献を包括的かつ体系的にレビューする。
本調査では,PRISMAフレームワークに従って2151の論文を注釈付けし,まずGNNベースのSocialRSに関する80の論文を同定した。
1)入力分類学は入力型表記の5つのグループと入力型表記の7つのグループを含み、(2)アーキテクチャ分類学はGNNエンコーダの8つのグループとデコーダの2つのグループと損失関数表記の12つのグループを含む。
我々は,GNNに基づくSocialRS手法を分類学のいくつかのカテゴリに分類し,その詳細を説明する。
さらに、GNNベースのSocialRS手法を評価するために広く使われているベンチマークデータセットとメトリクスを要約する。
最後に,今後の研究の方向性を示すことで,この調査を結論づける。
関連論文リスト
- Dual Policy Learning for Aggregation Optimization in Graph Neural
Network-based Recommender Systems [4.026354668375411]
本稿では,リコメンデータシステムのための新しい強化学習型メッセージパッシングフレームワークを提案する。
このフレームワークは2つのポリシー学習を用いてユーザやアイテムを集約する高次接続を適応的に決定する。
提案手法は,NDCGとリコールを最大63.7%,42.9%改善する。
論文 参考訳(メタデータ) (2023-02-21T09:47:27Z) - Ranking-based Group Identification via Factorized Attention on Social
Tripartite Graph [68.08590487960475]
グループ識別のための文脈的要因認識(CFAG)という,GNNに基づく新しいフレームワークを提案する。
我々は3部グラフ畳み込み層を考案し、ユーザ、グループ、アイテム間の異なる種類の近隣からの情報を集約する。
データ疎度問題に対処するため,提案した因子化注意機構に基づく新しい伝搬増強層を考案した。
論文 参考訳(メタデータ) (2022-11-02T01:42:20Z) - Federated Social Recommendation with Graph Neural Network [69.36135187771929]
本稿では,ソーシャル情報とユーザ・イテムの相互作用を融合させることにより,ソーシャル・レコメンデーションの問題であるソーシャル・リコメンデーションの緩和を提案する。
我々は textbfGraph Neural Network (FeSoG) を用いた textbfFedrated textbfSocial 推薦フレームワークを考案した。
論文 参考訳(メタデータ) (2021-11-21T09:41:39Z) - Global Context Enhanced Social Recommendation with Hierarchical Graph
Neural Networks [29.82196381724099]
階層型グラフニューラルネットワーク(SR-HGNN)を用いた新しいソーシャルレコメンデーションフレームワークを提案する。
特に,リレーショナル・アウェア・グラフ・ニューラルネットを設計し,コラボレーティブ・セマンティクスをレコメンデーション・フレームワークに注入する。
さらに、低レベルのユーザ埋め込みと高レベルのグローバル表現の相互情報学習パラダイムに基づいて、社会関係エンコーダを用いたSR-HGNNをさらに強化する。
論文 参考訳(メタデータ) (2021-10-08T11:26:04Z) - Graph Learning based Recommender Systems: A Review [111.43249652335555]
グラフ学習ベースのレコメンダーシステム(GLRS)は、高度なグラフ学習アプローチを使用して、ユーザーの好みと意図、および推奨項目の特性をモデル化します。
本稿では,グラフに基づく表現から重要な知識を抽出し,レコメンデーションの正確性,信頼性,説明性を向上する方法について論じることにより,GLRSの体系的なレビューを行う。
論文 参考訳(メタデータ) (2021-05-13T14:50:45Z) - Learning Intents behind Interactions with Knowledge Graph for
Recommendation [93.08709357435991]
知識グラフ(KG)は、推薦システムにおいてますます重要な役割を果たす。
既存のGNNベースのモデルは、きめ細かいインテントレベルでのユーザ項目関係の特定に失敗します。
本稿では,新しいモデルである知識グラフベースインテントネットワーク(kgin)を提案する。
論文 参考訳(メタデータ) (2021-02-14T03:21:36Z) - Knowledge-Preserving Incremental Social Event Detection via
Heterogeneous GNNs [72.09532817958932]
ソーシャルイベント検出のための知識保存型不均一グラフニューラルネットワーク(KPGNN)を提案する。
KPGNNは複雑なソーシャルメッセージを統一されたソーシャルグラフにモデル化し、データの活用を促進し、知識抽出のためのGNNの表現力を探る。
また、GNNの帰納的学習能力を活用して、イベントを効率的に検出し、これまで見つからなかったデータからその知識を拡張する。
論文 参考訳(メタデータ) (2021-01-21T17:56:57Z) - Graph-based Modeling of Online Communities for Fake News Detection [23.12016616717835]
グラフニューラルネットワーク(GNN)に基づく新しいソーシャルコンテキスト対応フェイクニュース検出フレームワークを提案する。
提案フレームワークは,1) 配信されたコンテンツの性質,2) ユーザのコンテンツ共有行動,3) 利用者のソーシャルネットワークに関する情報を集約する。
筆者らは,本フレームワークが既存のテキストベースの手法よりも大幅に向上し,二つのドメインの偽ニュースデータセットの最先端結果が得られることを実証的に実証した。
論文 参考訳(メタデータ) (2020-08-14T10:01:34Z) - Recursive Social Behavior Graph for Trajectory Prediction [49.005219590582676]
我々は、グループベースのアノテーションによって管理される社会表現を、再帰的社会行動グラフと呼ばれる社会行動グラフに定式化する。
再帰的社会行動グラフ(Recursive Social Behavior Graph)のガイダンスにより、EDHおよびUCYデータセットにおける最先端の手法をADEの11.1%、FDEの10.8%で上回る。
論文 参考訳(メタデータ) (2020-04-22T06:01:48Z) - Knowledge Graphs and Knowledge Networks: The Story in Brief [0.1933681537640272]
知識グラフ(KG)は、実世界のノイズの多い生情報を構造化形式で表現し、エンティティ間の関係をキャプチャする。
ソーシャルネットワーク、レコメンダシステム、計算生物学、関係知識表現といった動的現実世界の応用は、困難な研究課題として浮上している。
この記事では、AIのためのKGの旅を要約する。
論文 参考訳(メタデータ) (2020-03-07T18:09:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。