論文の概要: A Survey of Graph Neural Networks for Social Recommender Systems

• arxiv url: http://arxiv.org/abs/2212.04481v3
• Date: Wed, 1 May 2024 15:24:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-02 20:50:17.830962
• Title: A Survey of Graph Neural Networks for Social Recommender Systems
• Title（参考訳）: ソーシャルレコメンダシステムのためのグラフニューラルネットワークの検討
• Authors: Kartik Sharma, Yeon-Chang Lee, Sivagami Nambi, Aditya Salian, Shlok Shah, Sang-Wook Kim, Srijan Kumar,
• Abstract要約: ソーシャルレコメンデータシステム(SocialRS)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）: 38.79810157156386
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social recommender systems (SocialRS) simultaneously leverage the user-to-item interactions as well as the 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 84 papers on GNN-based SocialRS after annotating 2151 papers by following the PRISMA framework (preferred reporting items for systematic reviews and meta-analyses). 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 notations, 2 groups of decoder notations, 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 benchmark datasets and metrics widely used to evaluate the GNN-based SocialRS methods. Finally, we conclude this survey by presenting some future research directions. GitHub repository with the curated list of papers are available at https://github.com/claws-lab/awesome-GNN-social-recsys.
• Abstract（参考訳）: ソーシャルレコメンデーションシステム(SocialRS)は、アイテムレコメンデーションを生成するタスクにおいて、ユーザとイテムのインタラクションとユーザ間のソーシャル関係を同時に活用する。 さらに, ソーシャル・リレーションシップの活用は, ホモフィリとソーシャル・インフルエンスの影響により, 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を基盤とした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84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エンコーダ表記の8つのグループとデコーダ表記の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手法の評価に広く用いら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。 GitHubリポジトリには、ドキュメントのキュレートされたリストがhttps://github.com/claws-lab/awesome-GNN-social-recsysで公開されている。

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)
• Evidential Temporal-aware Graph-based Social Event Detection via Dempster-Shafer Theory [76.4580340399321]
  ETGNN(Evidential Temporal-aware Graph Neural Network)を提案する。 ノードがテキストであり、エッジがそれぞれ複数の共有要素によって決定されるビュー固有グラフを構築する。 ビュー固有の不確実性を考慮すると、すべてのビューの表現は、明らかなディープラーニング(EDL)ニューラルネットワークを介してマス関数に変換される。
  論文  参考訳（メタデータ） (2022-05-24T16:22:40Z)
• 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)
• Harnessing the Power of Ego Network Layers for Link Prediction in Online Social Networks [0.734084539365505]
  予測は典型的には教師なしまたは教師なしの学習に基づいている。 個人の社会的構造に関するより豊かな情報は、より良い予測につながるかもしれないと我々は主張する。 社会的認識が予測性能に大きな改善をもたらすことを示す。
  論文  参考訳（メタデータ） (2021-09-19T18:49:10Z)
• Recurrent Graph Neural Networks for Rumor Detection in Online Forums [14.868643774881624]
  本研究は,ユーザインタラクション信号のみを用いて,フォーラム上のリンクコンテンツを分類する手法を提案する。 Redditのようなオンラインフォーラムは、ユーザー生成のソーシャルグラフを持っていない。 本稿では、このグラフ、Redditポストシーケンス、コメントツリーをリカレントグラフニューラルネットワーク(R-GNN)エンコーダの入力として利用する。
  論文  参考訳（メタデータ） (2021-08-08T01:34:49Z)
• Visualizing Graph Neural Networks with CorGIE: Corresponding a Graph to Its Embedding [16.80197065484465]
  本稿では,入力グラフをノード埋め込み(潜時空間)に対応付ける手法を提案する。 我々はCorGIEと呼ばれるインタラクティブなマルチビューインタフェースを開発し、抽象化をインスタンス化する。 我々はCorGIEを2つの利用シナリオで利用し、GNNの専門家2人とケーススタディを行う。
  論文  参考訳（メタデータ） (2021-06-24T08:59:53Z)
• 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)
• 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)

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。