@为什么最近几年,没人在推荐系统里去玩 GNN 模型,GNN 是凉透了吗?

[[@曾经火热的Graph Embedding和GNN在推荐系统上还有前途吗?]]

雨飞:GNN的本质是抽取图里面的信息,找到物品和用户之间潜在的关系,说白了相当于去找用户与物品之间多跳的潜在联系,所以这种模式本身还是做用户和物品的特征。#card

  • 这样你就会发现,在之前的推荐系统中,我们已经添加过很多用户侧、物品侧的特征以及两者的交叉特征,而GNN还是加入的是这种特征,因此学习信号太弱了,整体带来的收益就不会很明显,甚至说反而引入了复杂结构而导致效果下降或者推理速度下降。

  • 当然这并不是说GNN就一定没有收益,比如某一些用户行为不充分的场景下,使用图链接的方式可以补充一些行为数据。潜在的问题就是,有更简单的,比如node2vec、line等方法也可以做图的embedding,速度快,效果也还算可以。因此,GNN在有限的成本以及时间的要求下,基本不会是最优或者次优的选择了。

@为什么最近几年,没人在推荐系统里去玩 GNN 模型,GNN 是凉透了吗?

https://blog.xiang578.com/post/logseq/@为什么最近几年,没人在推荐系统里去玩 GNN 模型,GNN 是凉透了吗?.html

作者

Ryen Xiang

发布于

2025-04-16

更新于

2025-04-23

许可协议


网络回响

评论