通过SR-GNN算法进行挖掘商品图的时序商品推荐 代码+数据

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:/