案例知识点
- 推荐系统任务描述:通过用户的历史行为(比如浏览记录、购买记录等等)准确的预测出用户未来的行为;好的推荐系统不仅如此,而且能够拓展用户的视野,帮助他们发现可能感兴趣的却不容易发现的item;同时将埋没在长尾中的好商品推荐给可能感兴趣的用户。
- SR-GNN推荐方法概述:SR-GNN通过将序列化的问题转换为图的问题,对所有的会话序列通过有向图进行建模,然后通过图神经网络(GNN)来学习每个item的隐向量表示,进而通过一个注意力网络(Attention Network)架构模型来捕捉用户的短期兴趣,以达到捕获长期与短期兴趣共存的向量表示。
- 案例流程图:
2.准备工作
- 运行环境:
torch = 1.4 torchvision==0.5.0 numpy = 1.18.1 matplotlib = 3.1.3 networkx time sys heapq math
- 可以使用pip命令安装上述模块并制定版本:pip install torch==1.4.0 torchvision==0.5.0 numpy==1.18.1 matplotlib==3.1.3 heapq math networkx
- 数据集:https:/