推荐系统 - 使用深度学习模型如NCF（神经协同过滤）在MovieLens数据集上构建一个推荐系统。

推荐系统是一种应用广泛的技术，它可以帮助用户发现自己可能感兴趣的内容。其中，协同过滤是一种常用的推荐算法，而神经协同过滤（NCF）则是一种基于深度学习的协同过滤算法。在本文中，我们将使用NCF模型在MovieLens数据集上构建一个推荐系统，并介绍如何使用PyTorch来实现。

数据集

MovieLens数据集是一个经典的推荐系统数据集，包含了用户对电影的评分信息。我们将使用其最小版本（100k）作为我们的数据集。该数据集包含943个用户对1682部电影的评分，评分范围是1到5。我们将使用80%的数据作为训练集，10%的数据作为验证集，10%的数据作为测试集。

我们首先需要将数据集转换为PyTorch可以处理的格式。我们定义一个名为MovieLensDataset的类，该类继承自torch.utils.data.Dataset，并覆盖__init__、__len__和__getitem__方法。

import pandas as pd
import torch
from torch.utils.data import Dataset

class MovieLensDataset(Dataset):
    def __init__(self, path):
        df = pd.read_csv(path, sep='\t', header=None, names=['user_id', 'item_id', 'rating', 'timestamp'])
        num_users = df['user_id'].nunique()