Knowledge Graph Convolutional Networks for Recommender的数据处理问题

1. 以MovieLens数据集为例

• item_index2entity_id.txt

文件第一列是item的id，第二列是知识图谱中电影的id，本文件将原电影item的id转换为知识图谱中的id，第一列item是在kg.txt文件中存在才会被选上。

• kg.txt

文件第一列是item的编号，第二列是三元组（h，r，t），第三列是目标实体的编号（可以是演员的编号，导演的编号，制片公司的编号等等，第三列可以重复，即电影item可以是相同的目标实体），本文是利用微软的Satori生成的

• 正负样本的生成

正样本是rating大于等于4的评分，负样本是没有评分中随机生成与正样本相同数目的

原作者对知识图谱的生成的回复（link：https://github.com/hwwang55/KGCN/issues/9）：

item_index2entity_id.txt文件的作用（link：https://github.com/hwwang55/KGCN/issues/26

）：

邻居实体的选择问题（link：Questions about choosing neighbors for each entity · Issue #24 · hwwang55/KGCN · GitHub）：

其他解析：

# 数据集解析：https://cloud.tencent.com/developer/article/1492199

# 数据集解析：https://zhuanlan.zhihu.com/p/361029026

# 视频解析：https://www.bilibili.com/video/BV1h7411E7pB?from=search&seid=180437955850035924&spm_id_from=333.337.0.0

# 视频解析：https://www.bilibili.com/video/BV1ey4y117Wk?spm_id_from=333.999.0.0

# github解析：https://github.com/hwwang55/KGCN/issues/9