PinSage

概述

Pinterest 于 KDD 2018 发表的工业级图推荐系统，首次在数十亿节点规模上部署基于图卷积的推荐模型，证明了 GCN 在推荐领域的工业可行性。

关键内容

1. 核心贡献：PinSage 是首个在工业规模（数十亿节点、数百亿边）上成功部署的图卷积推荐系统。使用随机游走和邻域采样策略，避免了全图传播的计算瓶颈。

2. 技术特点：（a）利用节点的丰富特征（如 Pin 的图片嵌入）；（b）使用重要性采样选择关键邻居；（c）生成式训练策略；（d）支持在线推理，为新节点快速生成嵌入。

3. 与 NGCF 的区别：PinSage 面向工业级规模，使用邻域采样和随机游走；NGCF 面向学术实验，使用全图传播。PinSage 利用节点特征（图片嵌入），NGCF 仅使用 ID 嵌入。

4. 工业影响：PinSage 的成功部署证明了图推荐在大规模生产环境中的可行性，为后续工业级图推荐系统（如 Alibaba 的 EGES、Tencent 的图推荐系统）奠定了基础。

5. 历史地位：与 GC-MC（KDD 2018）、NGCF（SIGIR 2019）共同奠定了图推荐方向。PinSage 代表了"工业可行"路线，而 NGCF/LightGCN 代表了"学术精简"路线。

来源

• 15-lightgcn.md — LightGCN 论文中提及的图推荐标志性工作

相关

• NGCF — 同期学术级图推荐工作
• 协同过滤 — PinSage 解决的核心任务
• Embedding — PinSage 的核心表示方式
• 近似最近邻检索 — PinSage 使用的检索技术
• TensorFlow — PinSage 使用的框架