本文介绍了基于图神经网络的关系预测框架GraIL，该框架能够推理本地子图结构并学习独立于实体的关系语义。GraIL在归纳设置中优于现有模型，能够有效处理知识图谱中的新实体。此外，研究还提出了GreenKGC和InductivE等多种方法，以提高知识图谱的推理能力和效率，解决稀疏性问题，并在多个基准测试中表现优异。

本文介绍了一种基于图的推荐系统方法GraphAU，通过考虑用户-物品双部图中的高阶关联性解决稀疏性问题，实验证明GraphAU在四个数据集上取得了最先进的性能。