在电商平台面临信息过载的当下，推荐系统承担着连接用户与商品的核心使命。传统协同过滤（CF）与矩阵分解（MF）模型长期受困于数据稀疏性、特征利用不足及复杂关系建模乏力等根本性缺陷。当用户行为数据呈现出天然的图结构特性——用户为节点，交互行为为边，商品、店铺、品类等实体共同构成庞大异构网络时，图神经网络
标签： GNN
推荐系统升级战：GNN+Transformer混合架构如何突破效果天花板？
在信息过载的数字化时代，推荐系统的进化已进入深水区。传统协同过滤方法面临数据稀疏性困境，深度学习模型受限于局部特征提取，而基于单一架构的模型往往顾此失彼——要么难以捕捉用户行为的动态时序特征，要么无法有效建模复杂的实体关系网络。本文提出一种创新的混合架构解决方案，通过图神经网络（GNN）与Trans