图神经网络在推荐领域的表现力如何？
原文中文，约300字，阅读约需1分钟。发表于：。本文提供了关于图神经网络在推荐系统中表达能力的全面理论分析，考虑了图同构、节点自同构和拓扑接近度等三个层面的表达能力指标，并引入了拓扑接近度指标来评估图神经网络对节点之间结构距离的捕捉能力，从而更好地满足推荐任务的目标。为了验证这一新指标对推荐性能评估的有效性，我们介绍了一种适用于该指标的无学习图神经网络算法，并进行了广泛的实验证明其可解释性在推荐任务中的表现，代码可在给出的链接中获得。
本文全面分析了图神经网络在推荐系统中的表达能力，包括图同构、节点自同构和拓扑接近度等三个层面的指标。引入了拓扑接近度指标来评估图神经网络对节点结构距离的捕捉能力，以更好地满足推荐任务的目标。通过实验证明了该指标在推荐性能评估中的有效性，并介绍了一种适用于该指标的无学习图神经网络算法。
