前段时间才接触的，匆匆忙忙做了个PPT，在组内进行了分享。若有不妥之处，请大家批评指正。

一、图与超图

图是传统的对关联建模的主要工具。图中的一条边只能连接两个节点(node)，如下图左侧部分。

然而，超图则是一条边上不止一个节点。节点在超图里一般称为顶点(vertex)，如下图右侧部分。

参考文献：Khan, B., Wu, J., Yang, J., & Ma, X. (2023). Heterogeneous hypergraph neural network for social recommendation using attention network. ACM Transactions on Recommender Systems.

二、与超图相关的计算

三、一篇来自澳洲的“利用社交关系的基于超图的推荐系统”的论文研读

3.1 该论文的基本情况

四、其他“利用社交关系的基于超图的推荐系统”的论文

参考文献：阅读了30篇左右，选择了以下几篇精读  

【WWW21】被引用了400多次——Yu, J., Yin, H., Li, J., Wang, Q., Hung, N. Q. V., & Zhang, X. (2021). Self-supervised multi-channel hypergraph convolutional network for social recommendation. WWW (pp. 413-424).

【清华大学】Zhu, Z., Gao, C., Chen, X., Li, N., Jin, D., & Li, Y. (2021). Inhomogeneous social recommendation with hypergraph convolutional networks. arXiv preprint arXiv:2111.03344.

【牛津PR】引用了600多次——Bai, S., Zhang, F., & Torr, P. H. (2021). Hypergraph convolution and hypergraph attention. Pattern Recognition, 110, 107637.  

【HyperGAT】被引用了200多次——Ding, K., Wang, J., Li, J., Li, D., & Liu, H. (2020). Be more with less: Hypergraph attention networks for inductive text classification. arXiv preprint arXiv:2011.00387. 它提出了vertex到hyperedge以及hyperedge到vertex的attention(HyperGAT).

【GAT】被引用了10K多次——(ICLR)Veličković, P., Cucurull, G., Casanova, A., Romero, A., Lio, P., & Bengio, Y. (2017). Graph attention networks. arXiv preprint arXiv:1710.10903.它提出了GAT，node与node之间的attention.

4.1 WWW21

4.2 HyperGAT

4.3 清华大学