过去的2021年图神经网络头部应用5大领域

在今年初，感觉Graph神经网络（GNN）成为互联网圈的流行语。作为这个领域的研究人员，我为自己的工作感到自豪（至少不感到羞愧）。但并非总是如此：三年前，忙于研究GAN和Transformers，我对它们的总体印象是我正在研究特殊的通用的问题。嗯，这个领域已经相当成熟了，在这里我建议看看我们最近拥有的GNN的顶级应用。

推荐系统

自然地，图是在用户与电子商务平台中的产品交互的上下文中出现的，因此，有许多公司采用GNN进行产品推荐。一个标准的用例是在用户和物品图之间建模交互，以某种形式的负采样损失函数学习节点embedding，并使用kNN索引实时检索，为给定用户的推荐类似物品。最早使用此管道的公司是Uber Eats，该公司通过GraphSage网络推荐食品和餐馆。

在食品推荐的情况下，由于推荐的地理限制，所获得的图表相对较小，但一些公司以数十亿个边缘的规模使用GNN。中国零售业巨头阿里巴巴在拥有数十亿用户和产品的网络上学习产品图embedding和GNN。即使构建这样的图也可能是工程上的噩梦，但是对于最近的Aligraphpipeline而言，仅需五分钟即可构建具有400M节点的图。相当令人印象深刻，呵呵。Aligraph支持高效的分布式图形存储，优化的采样运算符以及大量内部GNN。当前已部署它用于公司中多个产品的推荐和个性化搜索。

阿里巴巴，亚马逊和许多其他电子商务公司使用GNN来增强推荐系统。

同样，Pinterest提出了PinSage模型，该模型使用个性化PageRank有效地对邻域进行采样，并通过聚合每个邻域来有效地更新节点embedding。他们的后续PinnerSage扩展了此框架，以处理多embedding内容，以建模用户的不同喜好。这些只是该领域中的几个著名示例（您也可以在亚马逊上学习有关知识图和GNN或Fabula AI使用GNN进行假新闻检测的研究），但是很明显，如果信号来自用户的互动意义重大。