UltraGCN

概述

CIKM 2021 发表的图推荐论文，在 LightGCN 基础上进一步简化，连显式邻域传播都省掉，通过直接逼近无限层传播的极限来做推荐。

关键内容

1. 核心思想：LightGCN 虽然简化了 GCN，但仍需逐层进行邻域聚合的显式传播。UltraGCN 更进一步，直接逼近无限层图传播的极限，省掉了显式的多层传播过程。

2. 与 LightGCN 的关系：UltraGCN 是 LightGCN "Less is More" 哲学的延续。如果 LightGCN 去掉了特征变换和非线性激活，UltraGCN 则去掉了显式传播本身。

3. 技术路径：通过数学推导将无限层传播收敛到一个封闭解，避免了逐层矩阵乘法带来的计算开销。在保持甚至提升效果的同时，大幅降低了训练时间。

4. 历史地位：与 SimpleX（CIKM 2021）同期，共同代表了"简化推荐模型"趋势在 2021 年的延续。

来源

• 15-lightgcn.md — LightGCN 论文中提及的后续简化工作

相关

• LightGCN — UltraGCN 的直接前身
• SimpleX — 同期简化推荐模型工作
• 协同过滤 — UltraGCN 解决的核心任务
• BPR — UltraGCN 使用的损失函数