分布鲁棒的图推荐系统

分布鲁棒的图推荐系统(DR-GNN)是浙江大学区块链与数据安全全国重点实验室人工智能数据安全团队在科技部科技创新2030-“新一代人工智能”重大项目、国家重点研发计划青年科学家项目、国家自然科学基金委区域创新发展联合基金重点项目、浙江省领雁计划项目等多个国家级/省部级项目以及浙江大学区块链与数据安全全国重点实验室的共同支持下，针对增强基于图的推荐系统分布外（Out-Of-Distribution, OOD）鲁棒性设计的图推荐模型。

DR-GNN是一种设计简单、高效且具备理论保证的对分布外数据鲁棒的图推荐系统。基于图卷积过程与平滑正则项之间的等价性，DR-GNN为解释分布外数据如何影响图模型提供了一种全新视角，并进一步将分布鲁棒优化框架引入图推荐模型当中以有效增强其分布外鲁棒性。多个公开数据集上的实验证明，DR-GNN在三种推荐系统常见的OOD场景下均超越目前最先进的算法。