摘要
近年来，图神经网络（GNNs）由于能够自然地整合节点信息和拓扑结构，在图数据学习方面展现出强大的能力。这些优势为社会推荐系统的进步提供了巨大的潜力，因为社会推荐系统中的数据可以表示为用户-用户社交图和用户-项目图；而学习用户和项目的潜在因素是关键。然而，基于图神经网络构建社会推荐系统面临着挑战。例如，用户-项目图不仅编码了交互行为，还编码了相关的意见；社会关系具有异质性的强度；用户同时参与两个图（如用户-用户社交图和用户-项目图）。为了同时解决上述三个挑战，本文提出了一种新的图神经网络框架（GraphRec），用于社会推荐。具体而言，我们提供了一种原则性的方法来在用户-项目图中同时捕捉交互行为和意见，并提出了GraphRec框架，该框架能够一致地建模两个图及其异质性强度。我们在两个真实世界的数据集上进行了广泛的实验，结果证明了所提出的GraphRec框架的有效性。我们的代码可在以下网址获取：\url{https://github.com/wenqifan03/GraphRec-WWW19}