在实际推荐系统的工作中，有不少场景中数据的关系可以表示成某种抽象的图中不同节点的关系。这也是基于图的推荐系统的核心思想。

在今年的KDD 2022上，工程师和研究人员带来了一个题为“Graph Representation Learning for Web-Scale Recommender Systems”的讲座。讲座的内容涵盖了三个大的方向：第一是如何在同构的图上进行表达，比如用户对于用户的推荐；第二就是如何在一个异构的图上进行表达，比如用户对于信息的推荐；第三当然就是如何利用已经学习到的图表达，来进行大规模的推荐系统构建，特别是基于近似最小邻居的工业级构建。整体上来说，这个讲座内容浅显易懂适合对基于图推荐系统有兴趣的研究人员学习。