港理工、浙大、阿里等机构联合推出宏观图推荐模型，助力图模型的工业落地

近年来，基于图神经网络（GNN）的推荐系统在CTR预估任务中备受关注，尽管其在理论上表现强大，但计算效率仍是挑战。GLSM和GMT等方法通过邻域采样技术提取数百个交互邻居，然而存在采样偏差、统一采样策略的不适用性和个性化的邻居节点数量问题。为此，港理工联合浙大和阿里提出了更适合亿级推荐系统的宏观推荐图（MAG），减少节点数量，避免传统采样方法的局限性。他们开发了宏观图神经网络（MacGNN），在离线实验和工业A/B测试中验证了其有效性，并成功应用于阿里淘宝电商平台，为亿级用户提供了有效CTR预估，为图模型的工业落地提供了新思路。论文题目： Macro Graph Neural Networks for Online Billion-Scale Recommender Systems 论文链接：https://arxiv.org/pdf/2401.14939.pdf 开源链接： https://github.com/YuanchenBei/MacGNN一、简介在当今数字化时代，亿级规模的推 ………………………………