张三在掘金

Deep Learning on Knowledge Graph for Recommender System: A Survey-2020

综述：深度学习时代的图模型；对于复杂的图结构的数据，利用传统的深度学习方法进行分析存在挑战：①图的不规则结构，传统的深度学习方法难以进行计算。②图的异质。图模型应运而生。

SIGIR-2018-综述：推荐系统中的深度学习模型《Deep Learning for Matching in Search and Recommendation》

推荐系统中的图神经网络:综述（Graph Neural Networks in Recommender Systems: A Survey）

深入浅出图神经网络：GNN原理解析——下；本文是深入浅出图神经网络书籍的下半部分入门知识，该书籍是学习图神经网络很好的一本入门书籍；

深入浅出图神经网络：GNN原理解析——上；本文是深入浅出图神经网络书籍的上半部分入门知识，该书籍是学习图神经网络很好的一本入门书籍；

图注意力网络升级版——GATv2；GAT只计算一种受限的“静态”注意形式，GATv2则提出了一种动态的注意力机制形式；

基于图神经网络的推荐系统近年来蓬勃发展，其核心部件是确定邻域嵌入学习的聚合方法。现有技术通常侧重于如何从空间结构信息的角度聚合信息，但对邻居的时间信息的探索不够。

图注意力网络——GAT(Graph Attention Networks)；图注意网络(GAT)，一种基于图结构数据的新型神经网络架构，利用隐藏的自我注意层来解决之前基于图卷积或其近似的方法的不足；