论文解析：Graph Convolutional Matrix Completion

作者：Rianne van den Berg, Thomas N. Kipf, Max Welling（也是发表GCN的团队）
会议：KDD 2018

方法

图变分自编码器(GAE)的应用（GAE的博客），算法核心就是下面的图
论文解析：Graph Convolutional Matrix Completion
将推荐系统的user-item交互建模为二分图，user和item分别是二分图的左半部和右半部节点，user对item的评分是二分图的边权，通过GCN得到user和item的embedding，然后通过一个双线性softmax预测user-item得分的概率分布（每个得分对应一个概率）。loss采用交叉熵损失。
user-item评分矩阵和user-item二分图的等价关系如下图所示：
论文解析：Graph Convolutional Matrix Completion

实验

实验分别在MovieLens(100K/1M/10M), Flixster, Douban和YahooMusic四组数据集上。由于这些数据集都是有评分的数据集，因此采用RMSE作为评价指标。