随着互联网上信息量的爆炸式增长，推荐系统在缓解信息过载问题方面发挥着至关重要的作用。基于图的推荐是一种很有前途的方法，可以在现实场景中捕获用户的动态偏好和项目的复杂转换. 此外，为了解决标签稀缺的问题，自监督学习（SSL）已经引起了广泛的研究关注，并在视觉、自然语言处理和机器人技术等各个领域取得了显著成功。
然而，SSL 在推荐领域的发展仍处于起步阶段。此外，由于用户的动态兴趣模式和项目的各种属性的复杂性，构建应用性自我监督信号可以提取更有意义的用户行为模式，并进一步有效地编码用户和项目表示。这个充满活力的研究方向被称为基于自我监督学习的推荐。本资源为读者提供了一个精选的基于图形和自监督学习的推荐资源的精选列表。
资源整理自网络，下载及获取见源地址：https://github.com/juyongjiang/awesome-graph-self-supervised-learning-based-recommendation
目录
内容截图
