论文题目：Graph Neural Networks for Social Recommendation
文章解决的challenge：
1.We propose a novel graph neural network GraphRec, which can model graph data in social recommendations coherently;
将用户与物品交互矩阵，用户与用户关系矩阵结合起来
2.We provide a principled approach to jointly capture interactions and opinions in the user-item graph;
考虑用户与物品交互与显示反馈结合
3.We introduce a method to consider heterogeneous strengths of social relations mathematically
考虑到用户社交列表中具有不同的亲疏关系，只有关系比较亲近的人之间才会进行物品推荐
文章模型框架：

Model:
文章整体框架依然是为了得到user latent vector和item latent vector
在item modeling部分并没有什么创新点，一般得到item latent vector时都是用购买过该item的user向量表示，这里加入了一个opinion embedding，用户对该物品的评分向量
user modeling 部分比较复杂：
(1).左半部分，通过item space得到的向量与上述的相同，通过购买过的物品的item向量和opinion embedding组成
(2).右半部分，与该用户有直接关联的用户向量组成
所有的部分都有一个attention机制，作者认为通过attention机制可以更好的描述用户的偏好信息，也可以得到用户之间的亲疏关系。