图神经网络是近年来很火的一个研究方向，在生物化学，推荐系统，自然语言处理等领域都得到了广泛应用。其中图神经网络在推荐系统的应用方面，已有几篇综述做过详细的归纳总结。但是让人感到美中不足的是，综述中总结的多是学术型工作，偏向于GNN模型上的微调，部分工作其实就是将上游的SGC，GrapSage，JKNet等模型在几个祖传玩具数据集上刷一下结果讲一个故事，很少关心模型的扩展性，也很少关心图的构建，特征处理，线上打分等不可或缺的环节。因此本文选取了一些近几年阿里，腾讯，京东，华为等企业在KDD，SIGIR，CIKM等会议发表的文章，这些工作的实验至少是在真实业务场景的大规模数据集（千万级或亿级）上进行的，部分工作也成功在线上AB实验中取得了一些效果。

全文分为三部分，第一部分简单介绍涉及较多的几个GNN研究方向，包括Deeper GNN（GNN加深），Scalable GNN（大图训练），Heterogeneous GNN（异构GNN）；第二部分从几个不同的角度总结选取的文章，包括应用阶段，图的构建，特征使用，采样方法，模型结构；第三部分会逐篇介绍这些工作的重点内容。

内容中包含的图片若涉及版权问题，请及时与我们联系删除