IGMC 项目使用教程

IGMC 项目使用教程

IGMC Inductive graph-based matrix completion (IGMC) from "M. Zhang and Y. Chen, Inductive Matrix Completion Based on Graph Neural Networks, ICLR 2020 spotlight". 项目地址: https://gitcode.com/gh_mirrors/ig/IGMC

1. 项目的目录结构及介绍

IGMC 项目的目录结构如下：

IGMC/
├── data_utils.py
├── models.py
├── preprocessing.py
├── run_fdy.sh
├── run_transfer_exps.sh
├── summarize_fdy.py
├── train_eval.py
├── util_functions.py
├── Main.py
├── README.md
├── LICENSE
├── overall2.svg
└── raw_data/
    └── ...

目录结构介绍

• data_utils.py: 数据处理工具文件，包含数据加载和预处理的函数。
• models.py: 模型定义文件，包含图神经网络模型的实现。
• preprocessing.py: 数据预处理文件，包含数据清洗和转换的函数。
• run_fdy.sh: 运行实验的脚本文件。
• run_transfer_exps.sh: 运行迁移学习实验的脚本文件。
• summarize_fdy.py: 实验结果汇总文件。
• train_eval.py: 训练和评估模型的文件。
• util_functions.py: 工具函数文件，包含一些辅助函数。
• Main.py: 项目的主启动文件。
• README.md: 项目说明文件，包含项目的基本信息和使用说明。
• LICENSE: 项目许可证文件。
• overall2.svg: 项目结构图文件。
• raw_data/: 原始数据目录，包含项目使用的原始数据文件。

2. 项目的启动文件介绍

Main.py

Main.py 是 IGMC 项目的主启动文件。它负责加载数据、初始化模型、进行训练和评估等操作。以下是该文件的主要功能：

• 数据加载: 从指定数据集中加载数据。
• 模型初始化: 初始化图神经网络模型。
• 训练: 使用加载的数据对模型进行训练。
• 评估: 在训练完成后对模型进行评估。
• 保存结果: 将训练和评估的结果保存到指定目录。

使用方法

python Main.py --data-name ml_100k --epochs 80 --max-nodes-per-hop 200 --testing --ensemble --dynamic-train

• --data-name: 指定数据集名称，如 ml_100k。
• --epochs: 指定训练的轮数。
• --max-nodes-per-hop: 指定每个节点在子图提取时的最大邻居数。
• --testing: 启用测试模式。
• --ensemble: 启用集成学习。
• --dynamic-train: 动态生成训练数据。

3. 项目的配置文件介绍

IGMC 项目没有明确的配置文件，但可以通过命令行参数进行配置。以下是一些常用的配置参数：

数据集配置

• --data-name: 指定数据集名称，如 ml_100k、ml_1m 等。
• --ratio: 指定数据集的稀疏度，如 --ratio 0.2 表示只保留 20% 的评分数据。

训练配置

• --epochs: 指定训练的轮数。
• --batch-size: 指定批处理大小。
• --lr: 指定学习率。
• --lr-decay-step-size: 指定学习率衰减步长。
• --adj-dropout: 指定邻接矩阵的 dropout 率。

其他配置

• --save-appendix: 指定保存结果的附加名称。
• --data-appendix: 指定数据集的附加名称。
• --dynamic-train: 动态生成训练数据。
• --dynamic-test: 动态生成测试数据。

通过这些配置参数，用户可以根据自己的需求调整模型的训练和评估过程。

IGMC Inductive graph-based matrix completion (IGMC) from "M. Zhang and Y. Chen, Inductive Matrix Completion Based on Graph Neural Networks, ICLR 2020 spotlight". 项目地址: https://gitcode.com/gh_mirrors/ig/IGMC