基于图神经网络进行归纳矩阵补全

Inductive Matrix Completion Based on Graph Neural Networks

References Inductive Matrix Completion Techniques Based on Graph Neural Networks: A Comprehensive Study, Presented at ICLR 2020

〇、相关工作

1、Graph Neural Network

以下是对原文的有效同义改写

2、GNN for matrix completion

Monti等人(2017)提出了一个多图卷积神经网络（MGCNN）模型，在该框架下通过各自邻接子网络提取用户节点与项目节点的潜在特征表示。Berg等人(2017)引入了一种称为GC-MC的图卷积矩阵补全方法，在这种方法下，GNN直接被应用于基于二分图的用户-项目关系建模。针对社交网络分析的任务，在二分图数据上构建谱图神经网络以学习嵌入空间的研究表明，在研究领域内逐渐兴起了一种新的方向——基于归纳偏好的推荐系统研究框架（ PinSage）。尽管基于GNN的方法在低训练集规模下表现出色，在这种框架下仍然存在一些局限性：尽管基于GNN的方法在低训练集规模下表现出色，在这种框架下仍然存在一些局限性：尽管这些模型都是归纳偏好的一种实现形