目前落地的模型大致两类： 直接优化节点的浅层网络模型 和 基于 GNN 的深层网络模型 。前者包括基于用户行为理解内容，学习内容向量表征的 item2vec,用于扩充 i2i 召回；同时学习用户与内容向量表征的异构网络表示学习模型 metapath2vec，用于提高内容召回的多样性；以群体行为代替个体行为的 userCluster2vec，缓解新用户冷启动问题。后者包括采用邻域聚合的思想，同时融入节点属性信息，通过多层节点聚合使得网络中的拓扑结构能够有效捕捕获的 graphSage，以及将 attention 机制运用邻域信息聚合阶段的 GAT，对用户与内容向量表征进行更加细致化学习。
