为了解决单领域数据稀疏问题，跨域推荐近年来获得了很多关注，其通过引入源领域的信息来进行辅助，旨在学习更全面、通用的用户和项目的嵌入表示，从而在目标领域甚至多个领域上都能进行更好的推荐。而凭借着在捕获高阶结构关系方面的优越性，基于图神经网络的模型已经在跨域推荐系统中发挥着十分重要的作用。笔者整理了近几年的基于图神经网络的跨域推荐系统的进展。欢迎大家批评指正，相互交流。

论文列表

1. Item Silk Road: Recommending Items from Information Domains to Social Users(SIGIR 2017)

2. A Graphical and Attentional Framework for Dual-Target Cross-Domain Recommendation（IJCAI2020）

3.Dual Autoencoder Network with Swap Reconstruction for Cold-Start Recommendation（CIKM2020）

4.Cross Domain Recommendation via Bi-directional Transfer Graph Collaborative Filtering Networks（CIKM2020）

5.Cross-Domain Recommendation via Preference Propagation GraphNet（CIKM2019)

6.HeroGRAPH: A Heterogeneous Graph Framework for Multi-Target Cross-Domain Recommendation（Recsys2020）

7.DA-GCN: A Domain-aware Attentive Graph Convolution Network for Shared-account Cross-domain Sequential Recommendation（IJCAI2021）

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