复现KGAT: Knowledge Graph Attention Network for Recommendation（四）

最新推荐文章于 2023-07-17 11:35:07 发布
最新推荐文章于 2023-07-17 11:35:07 发布
阅读量1.5k 收藏 9
点赞数 2
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45665465/article/details/115733136
版权
本文档记录了复现KGAT：Knowledge Graph Attention Network for Recommendation的过程中配置环境和遇到的代码运行问题。首先，通过conda创建特定环境并安装所需库，解决了版本冲突和找不到文件的问题。然后，在PyCharm中打开源码运行，遇到了找不到文件和除以0的警告，最终发现警告不影响程序运行。目前程序卡住，作者计划等待观察是否能继续执行。
摘要由CSDN通过智能技术生成

复现KGAT: Knowledge Graph Attention Network for Recommendation（四）

啊代码，是代码，我要写KGAT的代码了。
今天听了我们专业大佬讲竞赛的事，大佬真的是太牛了。吓得我赶紧把晚上学英语的时间拿出来写程序。我还挺爱学这个推荐系统的，无奈其他不得不做的事情太多了。
还是老想法，先跑一下看看效果，再自己写。听说云服务器在我睡觉断网的情况下还可以跑模型？是真的嘛？什么都不懂的我打算试试，maybe。
论文在github上的源码地址为https://github.com/xiangwang1223/knowledge_graph_attention_network

一、配置环境

1.conda创建KGAT的环境

conda create -n KGAT

在KGAT中按照说明文档安装以下库：

conda install tensorflow==1.12.0
conda install numpy==1.15.4
conda install scipy==1.1.0
conda install sklearn==0.20.0

还有，下载tensorflow的时候numpy、scipy会跟着一起下，为了不给自己找麻烦，我把这些一起下载的版本高的库都卸掉，下载说明文件里面的指定版本。
conda使用如下命令卸载库：

conda remove
最低0.47元/天 解锁文章
Lalune21
关注
  • 2
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
复现KGAT: Knowledge Graph Attention Network for Recommendation（三）
weixin_45665465的博客
04-14 2356
复现KGAT: Knowledge Graph Attention Network for Recommendation（三） 昨天写了复现KGAT系列的第二篇文章，准确的说那片文章里第二部分是昨天写的，第三部分是今天写的。如果再连着写下去就太长了，不如正好把第四部分单拿出来写，正好第四部分是实验部分，也是我复现论文需要关注的主要部分。 能挤出很多时间来复现论文真的很不容易，估计今天写完明天就没有什么时间来继续写了，也不知道再写又会是什么时候了。 4.EXPERIMENTS 我们在三个真实数据集上估计了我
复现KGAT: Knowledge Graph Attention Network for Recommendation（五）
weixin_45665465的博客
04-20 2158
复现KGAT: Knowledge Graph Attention Network for Recommendation（五） 打开这堆代码看了半天，真TMD的难啊，这是我动手复现的第一篇推荐论文。上一个看过代码的是NCF，那个难度简直没法和这个相提并论，准确的说，有点机器学习、深度学习基础的那个代码看起来分分钟的事。 这篇。。。对我这个新手很不友好啊。。。 看了半天，从读懂utility开始吧，要不然读主干读着读着还是得回来读它，读完了他主干又忘了。 看了一晚上了，想哭。。。 一、Utility 1.1
KGAT——基于知识图谱的推荐
争取原创，尽量不CV
01-23 773
KGAT_基于知识图谱+图注意力网络的推荐系统（KG+GAT） 不错的文章：https://blog.csdn.net/Caster_X/article/details/109448685
复现KGAT: Knowledge Graph Attention Network for Recommendation（一）
weixin_45665465的博客
04-08 1043
复现KGAT: Knowledge Graph Attention Network for Recommendation（一） 该系列博客应该会有两部分，一部分是读论文，一部分是代码复现。 1.Introcution 推荐系统使用很广泛，最常使用的就是协同过滤。尽管系统过滤使用普遍也很有效，但是协同过滤（CF）却不能对side information有效的建模。side information是指像物品属性、用户资料和上下文等。所以，CF在用户和物品之间有很少交互的稀疏条件下表现很差。为了将这些side
KGAT-pytorch
05-23
知识图注意力网络 这是本文的PyTorch和DGL实现： 王翔，何湘南，曹以新，刘梦，蔡达生（2019）。 KGAT：推荐知识图注意力网络。 或。 2019年8月4日至8日，在美国阿拉斯加州安克雷奇KDD'19举行。 您可以找到论文作者的Tensorflow实现。 介绍 知识图注意力网络（KGAT）是专门针对知识感知的个性化推荐量身定制的新推荐框架。 KGAT建立在图神经网络框架的基础上，对协作知识图中的高阶关系进行显式建模，以提供带有项边信息的更好推荐。 如果要在研究中使用代码和数据集，请联系论文作者，并引用以下论文作为参考： @inproceedings{KGAT19, author = {Xiang Wang and Xiangnan He and Yixin Cao and
Knowledge_Graph_based_Intent_Network:与WWW2021的知识图交互以进行推荐的学习意图
05-08
与知识图交互的学习意向以进行推荐 这是本文的PyTorch实现： 王翔，黄廷林，王定贤，袁彦成，刘振光，何湘南和蔡达生（2021年）。 与知识图交互的学习意向以进行推荐。 。 2021年4月19日至23日，在斯洛文尼亚卢布尔雅那的WWW'2021年举行。 作者：王翔博士（u.nus.edu上的xiangwang）和黄廷麟先生（zju.edu.cn上的tinglin.huang先生） 介绍 基于知识图的意图网络（KGIN）是一个推荐框架，它由三个组件组成：（1）用户意图建模，（2）关系路径感知聚合，（3）独立建模。 引文 如果您想在研究中使用我们的代码和数据集，请引用： @inproceedings{KGIN2020, author = {Xiang Wang and Tinglin Huang and Dingxia
复现刘老师的代码QAonMilitaryKG
qq_38101208的博客
03-31 664
项目地址：https://github.com/liuhuanyong/QAonMilitaryKG 1.导入各种包 （1）jieba：pycharm终端执行：pip install jieba （2）pymongo：pycharm终端执行：pip install pymongo 需要安装MongoDB数据库才能连接 2. 项目执行步骤：   （1）执行insert_data.py，将输入倒入至m...
KGAT：Knowledge Graph Attention Network for Recommendation.pdf
08-09
Toprovidemoreaccurate,diverse,andexplainablerecommendation, it is compulsory to go beyond modeling user-item interactions andtakesideinformationintoaccount.Traditionalmethodslike factorizationmachine...
2019-KDD-KGAT, Knowledge Graph Attention Network for Recommendat
08-08
为了解决这个问题，2019年KDD会议上提出了一种新的方法——知识图谱注意力网络（Knowledge Graph Attention Network, KGAT）。该模型通过将物品与其属性链接的知识图谱引入，打破了独立交互的假设，强调了实体间的...
蔡氏方程matlab求解代码-knowledge_graph_attention_network:KGAT：推荐的知识图注意力网络，KDD20
05-19
蔡氏方程matlab重构代码知识图注意力网络 这是本文的Tensorflow实现： 王翔，何湘南，曹一欣，刘萌和蔡达生（2019）。 KGAT：推荐知识图注意力...Recommendation}, booktitle = {{KDD}}, pages = {950--958}, year\n=
Python-KGAT用于推荐的知识图注意网络
08-11
KGAT: Knowledge Graph Attention Network for Recommendation, KDD2019
knowledge_graph_attention_network-master.zip
05-05
其中，结合知识图谱的推荐系统，如KGAT（Knowledge Graph Attention Network），因其能够理解和利用丰富的实体关系，为推荐带来更深入的理解和准确性。本文将围绕"knowledge_graph_attention_network-master.zip"这...
DAILY PAPER 003 — DialogueGCN: A Graph Convolutional Neural Network for ERC
01-06
DialogueGCN: A Graph Convolutional Neural Network for Emotion Recognition in Conversation AUTHOR(S): Deepanway Ghosal:目前是新加坡科技设计大学ISTD(Information Systems Technology and Design)博士生,师从...
图神经网络——【KDD 2019】KGAT
05-17 614
深度推荐算法（如DeepFM等）模型有个缺点：将训练数据里（用户交互数据）的特征进行独立建模，没有考虑到交互数据之间的关系。这使得这些模型不足以从用户的行为中提取出基于属性的协同信息。 如上图：用户u1 看了电影i1 ，这个电影是 ei 导演的，传统的CF方法会着重去找那些也看了电影i1 的用户，比如u4、u5 。而监督学习方法会重点关注那些有相同属性ei 的电影，比如 i2。很显然这两类信息都可以作为推荐信息的补充，但是现有的模型不能做到上面两者信息的融合，而且这里的高阶关系也可以作为推荐信息的补充的。比
图注意力网络_知识图注意力网络KGAT学习及代码讲解
weixin_39991935的博客
12-18 1276
之前学习了将图谱引入推荐的RippleNet模型[1]，今天再为大家准备一道大餐：融合了user-item交互信息以及KG信息的推荐模型KGAT。一简介协同过滤CF算法利用用户的行为信息进行偏好预测，该方法在推荐系统里有较好的应用。但是CF算法不能对其他信息(比如商品的属性、用户信息、上文下)进行建模，而且在用户-商品交互信息较少的数据上表现较差。为了能把其他信息利用起来，学术界常用的做...
论文笔记: 知识图谱 KGAT (未完暂存)
minfanphd的博客
07-24 574
摘要: 分享对论文的理解. 原文见 X. Wang et al., KGAT: Knowledge Graph Attention Network for Recommendation, KDD 2019.
KGAT_基于知识图谱+图注意力网络的推荐系统（KG+GAT）
热门推荐
Caster_X的博客
11-02 2万+
Knowledge Graph Convolutional Networks for Recommender Systems Hongwei Wang, Miao Zhao, Xing Xie, Wenjie Li, Minyi Guo. In Proceedings of The 2019 Web Conference (WWW 2019) 本文作者源码：https://github.com/hwwang55/KGCN 本人对KGCN的一些代码注释，有兴趣的道友可以看看 https://github..
KGAT: Knowledge Graph Attention Network for Recommendation
记录学习历程
07-17 699
User-Item Bipartite Graph：在推荐场景中，通常有历史用户项目交互(例如，购买和点击)，将交互数据表示为用户-物品二部图。Knowledge Graph：除了user-item之间的交互外，还有物品的side-information(例如，物品属性和外部知识)。通常，这些辅助数据由真实世界的实体和额外的知识组成。作者将side-information组成知识图，并有一个实体和item的对齐的集合，
2022年全国地级市人口分布数据(全新整理)
最新发布
08-15
1、资源内容地址：https://blog.csdn.net/2301_79696294/article/details/140877988 2、代码特点：今年全新，手工精心整理，放心引用，数据来自权威，相对于其他人的控制变量数据准确很多,适合写论文做实证用 ，不会出现数据造假问题 3、适用对象：大学生，本科生，研究生小白可用，容易上手！！！ 3、课程引用，经济学，地理学，城市规划与城市研究，公共政策与管理，社会学，商业与管理 ## 数据指标说明 资源名称：2022年全国地级市人口分布数据 区域范围：全国地级市 数据格式：.shp格式 数据规模:大于2G 数据来源：https://landscan.ornl.gov/
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值