讲者介绍
崔泽宇：中国科学院自动化研究所博士一年级在读，本科毕业于华北电力大学（保定）。研究方向为多模态数据挖掘与推荐系统。在WWW会议发过一篇论文。
报告题目：套装搭配推荐在图神经网络上的应用
报告摘要：随着服装时尚市场的快速发展，用户对于流行时尚推荐的需求越发高涨。我们主要针对服装搭配问题，即 “如何为几件选定的服装挑选最适合的衣服？”这个问题展开讨论。本文中，提出NGNN模型改进图神经网络，建模套装商品之间的交互关系，并从图像文本双模态的角度，解决套装搭配问题，获得了很好的效果。
Spotlight：
服装搭配，图神经网络
论文推荐
Aesthetic-based Clothing Recommendation
推荐理由：WWW2018最佳论文，从美感的角度考虑服装推荐的问题，把服装的属性主要划分为，美感和类别两个方面。模型简洁易懂，实验完备扎实。取得了很好的效果。
Hierarchical Graph Representation Learning with Differentiable Pooling
推荐理由：2018年斯坦福的jure团队在graph上的一个工作发表在NeurIPS，该工作通过层次化的建模，在做图表达的同时，进行层次化的graph pooling工作，思想很值得借鉴，不论是写作上还是工作内容都是一篇精致的工作。
Link Prediction Based on Graph Neural Networks
推荐理由：同样是发表在NeurIPS2018的工作，该工作着重于如何将GNNs运用在大规模数据上，进行图数据挖掘领域基础应用link prediction的任务，有较大的指导意义。
参考资料
https://www.bilibili.com/video/BV1Jx411d73R/
https://bbs.sffai.com/d/54