论文泛读139GraphConfRec：基于图神经网络的会议推荐系统

Posted 2021-06-30 及时行樂_

贴一下汇总贴：论文阅读记录

论文链接：《GraphConfRec: A Graph Neural Network-Based Conference Recommender System》

一、摘要

在当今的学术出版模式中，尤其是在计算机科学领域，会议通常构成了发布各自领域最新同行评议进展的主要平台。然而，选择一个合适的学术场所来发表自己的研究成果可能是一项具有挑战性的任务，因为有大量可用的会议，特别是对于那些处于学术生涯初期的人，或者对于那些寻求在其通常领域之外发表的人来说。在本文中，我们提出了 GraphConfRec，一种结合 SciGraph 和图神经网络的会议推荐系统，不仅可以根据标题和摘要，还可以根据合着和引用关系来推断建议。GraphConfRec 实现了高达 0.580 的召回@10 和高达 0 的 MAP。336 使用基于图注意力网络的推荐模型。一项包含 25 个主题的用户研究支持了积极的结果。

二、结论

在这篇文章中，我们介绍了一个会议推荐系统GraphConfRec，它基于一篇论文的文本内容，以及它的合著和引用网络。该系统旨在为研究人员寻找会议发表。这些建议是使用科学图表计算的，提交截止日期是从维基计划中添加的，会议排名是从谷歌学术指标中添加的。我们发现，在异构图上训练的基于图注意力网络的推荐器获得了最好的性能，召回率@10为0.580，映射率@10为0.336。用户研究表明，GraphConfRec可以推断出有意义的建议，其基于GNNbased的预测达到了5分中的3.7分。然而，用户认为基于异构图注意力网络模型的推荐比基于GAT的推荐更多样，并且通常在主题上更适合他们的论文。

虽然摘要、标题、引文和合作作者身份为推荐提供了有用的信号，但其他实体，如关键字或从属关系，也可以被合并以增加数据。当前方法的弱点之一是只考虑在SciGraph中找到的参考会议记录。包括来自SciGraph和其他出版商的被引用书籍和期刊的信息，可以在一定程度上提高模型的性能。此外，一个独立于发布者的数据集可以进一步提高GraphConfRec的性能，并扩大其对寻求在其他机构的会议记录中发布的更多研究人员的可用性。最后，改进结果的排名、根据会议特征提供建议的微调或探索其他GNN模型构成了未来研究的潜在途径。

总之，虽然在未来的工作中应该探索更多的选择，但这些结果提供了如何利用语义数据和图形神经网络来构建会议推荐系统的第一瞥。因此，它开辟了有前途的未来方向，如将该系统扩展为一个成熟的科学出版物推荐引擎。

感觉是推荐系统的一个变种，挺有意思的，期待系统早日上线