图驱动推荐系统:从协同过滤到图嵌入的实战路径
系统覆盖基于图数据库的推荐系统:协同过滤 vs 图推荐对比、用户-物品二部图建模、基于相似度的推荐(Jaccard/余弦/共同邻居)、基于路径的推荐(元路径/多跳传播)、Neo4j 实时推荐查询、图嵌入推荐(node2vec/GraphSAGE)、混合推荐架构与冷启动治理。
tag
系统覆盖基于图数据库的推荐系统:协同过滤 vs 图推荐对比、用户-物品二部图建模、基于相似度的推荐(Jaccard/余弦/共同邻居)、基于路径的推荐(元路径/多跳传播)、Neo4j 实时推荐查询、图嵌入推荐(node2vec/GraphSAGE)、混合推荐架构与冷启动治理。
系统覆盖图嵌入与图神经网络(GNN):图嵌入的动机与三类方法(随机游走/node2vec、矩阵分解、GraphSAGE)、图神经网络核心(消息传递、聚合函数、GCN/GAT)、节点分类/链路预测/图分类任务、训练与评估(划分/度量)、PyTorch Geometric 实战、以及与图数据库的联合应用。