记录一次运行ConvMF项目，论文Convolutional Matrix Factorization for Document Context-Aware Recommendation

论文地址：

http://dm.postech.ac.kr/~cartopy/ConvMF/

项目地址：

https://github.com/cartopy/ConvMF

博主最近看了一篇论文，题目是

Convolutional Matrix Factorization for Document Context-Aware Recommendation，

论文给了github地址，遂尝试着复现论文，中途遇到一些问题，并且记录下来。

Step1：下载项目

https://github.com/cartopy/ConvMF

不会使用Git的小伙伴可以直接下载zip安装包，然后再Pycharm中打开。

Step2：解压安装包，使用Pycharm打开项目

Step3：阅读readme，按照要求配置项目环境

作者给了环境为python2.7和Kera0.3.3，由于python2.7在2020年就不在维护了，而且与主流的python3.x系列相差较大，因此，预感会有很多问题。

Step4：在anaconda中搭建虚拟环境

博主的anaconda版本中最低的python版本为2.7.18。

创建成功后，启动该虚拟环境。

可以看到当前虚拟环境中没有什么包，开始安装Keras0.3.3。

出现Successfully就说明安装keras成功。

Step5：配置ConvMF-master项目的运行环境为刚刚创建的虚拟环境

在pycharm中找到python interpreter配置位置。

Step6：运行ConvMF-master项目

找到run.py文件，开始运行项目。

发现报错，提示缺少sklearn包。

开始安装sklearn包。

进入我们当前项目的虚拟环境中，安装缺少的包。

输入指令 pip install scikit-learn

开始安装sklearn包。

ps：这里我们暂时不用考虑对应的版本，pip会自动选择适合当前环境的版本。

sklearn安装成功！

继续运行run.py

出现错误提示，缺少data_path参数，这是什么？

我们可以仔细阅读readme文件，里面给出了项目参数配置提示。

原来data_path是数据集的路径，那问题来了，数据集在哪里？

Step7：下载数据集

通过阅读原论文，可以发现，作者给出了数据集的链接。

数据集：http://dm.postech.ac.kr/ConvMF

在Experiments这块儿，作者给出了实验所用的数据集。

翻到最底下，我们找到了数据集的地址

这里我们以MovieLens数据集为例，开始下载。

下载完成后，我们开始使用数据集。

数据集中有4个文件，第一个表示已经处理过的数据集，而第二三个表示是原始的10m大小的数据集。

这里博主的小电脑计算量更不上，选择已经处理过的1m大小的数据集

然后，readme.txt中告诉我们数据集的一些信息

这个数据集是关于电影评分的数据集，是推荐系统领域中最经典的数据集之一。

rating 文件中记录的是用户对电影的评分数据，数据结构为

用户id::项目(电影)id::评分::时间戳

这里评分是从1.0-5.0之间

text 文件是记录电影评论的信息。数据结构为

电影id::评论1|评论2|评论3....

item文件记录的是电影的信息。数据结构为

电影id::电影标题::电影的体裁...

Step8:配置数据集到项目中

开始安装数据集

将这里的文件放到项目的data中，格式如下，并且创建res_fir文件夹和data文件夹。

在run.py文件下对应的位置添加default参数，参数具体含义需要阅读原论文和readme文件，这里就不再详细阐述。

重新运行run.py文件。

这里报错提示我们缺少tensorflow包。

Step9：安装tensorflow

由于该项目使用的是上古python2.7，因此pip找不到与之对应的tensorflow版本。

通过博主一番查阅资料，我们需要去手动下载对应的tensorflow。

https://github.com/fo40225/tensorflow-windows-wheel

这里给出了tensorflow不同版本对应使用python版本。我们找到适合python2.7的tensorflow1.5。

由于GPU版本的tensorflow需要对应电脑有cuda，这里为了简便，我们就下载CPU版本的tensorflow。

下载完成，我们进入tensorflow所在的目录。

开始安装tensorflow

 pip install tensorflow-1.5.0-cp27-cp27m-win_amd64.whl

安装成功！

再次运行run.py

啊啊啊啊啊啊啊！！！！！又是满屏红！！！！(抓狂)

经过一系列查找资料，找到了解决办法：

由于我们使用的是1.x版本，与0.x版本的tensorflow不同，需要调整参数位置。

也就是下图中的函数参数位置调换以下就行。

结果如下：

重新运行run.py

可恶！！！

又缺少了h5py包。

安装就完了！！！

又又又又又又又又又又重新run！！！

芜湖！！！！成功开始训练了！！！！

之后的具体代码阅读和参数微调，有机会后续更新。。。

总结：

总结一下本次ConvMF的配置过程，主要的难点在于

• 数据集找不到=》通过论文找打了

• 不懂如何配置超参数=》阅读readme和论文中的实验部分

• 上古环境的搭建=》chat-gpt，github，CSDN等广大前人的经验

对于复现论文的项目，我们首先要找到数据集，没有数据，一切白搭。同时，也要明白数据集的信息，以及各个文件的作用以及内容表达的含义，以便快速对整体项目的理解。此外，配合论文中实验部分的理解，我们可以对整个项目有个宏观上的认知。而对于具体的代码细节，各个部分功能是如何起作用，作者如何融合CNN和PMF的还需要进一步阅读论文和debug代码。

整体项目的环境：

包	版本
python	2.7
keras	0.3.3
tensorflow	1.5,cpu版本
numpy	1.16.6
scikit-learn	0.20.4

参考文献：

https://blog.csdn.net/piupiu78/article/details/124658637

https://blog.csdn.net/qq_34638161/article/details/80729101

https://blog.csdn.net/zcf1784266476/article/details/71248799