图神经网络论坛
Graph Learning For Recommendation
Modeling Continuous Propagation and Evalution
- 建模动态图
- 用户与物品的交互可能短暂的影响其他人，这个影响可能随时间而消退，需要建模
Incremental Graph Convolutional Network
- 用图卷积建立空间关系和时间关系
- 每个时间片做静态建模
Parameter-free Dynamic Graph Embedding
- 解决动态图序列的问题，用的数据集是wikipedia 157k的交互数据
- 十几万的交互训练代价就非常大
- 提出的方法就是不训练，动态行为交互模式建模，动态embedding
Matrix Completion via Graph Signal Learning
- 显示反馈和隐式反馈，比如别人帮用户购买了产品，但不能说这个用户不喜欢，这就是未知信息
- 但这往往会引入很多噪声，造成图矩阵非常大，很多算法是处理不了的，所以要用矩阵分解
Graph Filtering for Collaborative Filtering (GF-CF)
- 线性滤波器，效果第三，效率很高
FIRE: Fast Incremental Recommendation with Graph Signal Processing
Multi-Graph Fusion
- 图融合
