KDD2022 | 基于图表示的推荐算法教程

嘿，记得给“机器学习与推荐算法”添加星标

第28届国际知识发现与数据挖掘大会SIGKDD会议将于8月14日至18日在华盛顿举行，该会议为数据挖掘领域顶级会议，CCF A类会议。据统计，今年共有1695篇有效投稿，其中254篇论文被接收，接收率为14.98%。关于KDD2022的推荐系统论文整理可参考KDD2022推荐系统论文集锦(附pdf下载)。

推荐系统是现代消费者web应用的基本组成部分，它试图预测用户的偏好以更好地推荐相关商品。因此，作为推荐系统输入的高质量用户和物品表示对于个性化推荐至关重要。为了构造这些用户和物品表示，自监督图嵌入已经成为学习图数据的一种基础性方法，如用户社交图、用户成员关系图、用户-物品交互关系图和其他异构图。

在本教程中，试图讨论自监督图嵌入的不同方法族。在每个类别中，将详细概述各种技术以及他们的优缺点，并阐述最新的方法。最后，还演示了如何在现代工业规模的深度学习推荐系统中有效地利用所产生的大型嵌入表来提高候选对象的检索和排名效率。

另外，我们还整理了近10年发表在顶级会议上的推荐系统官方教程，可参考推荐系统顶会教程合集。