接下来我花一天时间精读了论文《Learning Fair Representations for Recommendation: A Graph-based Perspective》，将论文的结构和核心思想进行了详细地梳理，之后准备使用Pytorch框架对该论文进行复现。该论文有两个要点，其一个是使用生成对抗网络(GAN)训练的滤波器对原始的用户－物品embeddings向量进行转换，以除去用户的敏感信息(该论文假定原始嵌入算法不可修改，只能在已经生成的embeddings向量上做转换)；其二是在GAN的优化目标函数(被称为价值函数)中加入用户－物品二分图的信息，以充分利用用户和物品的关系。除此之外，该论文通篇都散发着表示学习（representation learning思想的光辉。
