基于Python+sklearn的社交影响力与用户兴趣扩散的图神经网络推荐算法设计与实现+全部资料齐全+部署文档.zip

# DiffNet 基于社交影响力与用户兴趣扩散的图神经网络推荐算法设计与实现 ## 数据集 ### yelp #### rating 评分 + all: 207945 + train: 185869 # 90% + test: 18579 # 8% + val: 3497 # 2% #### links 社交 + all: 143765 + train: 129388 # 90% + test: 11501 # 8% + val: 2876 # 2% ## 运行 `python=3.6 tensorflow=1.12.0` + 安装依赖：`pip install -r requirements.txt` + 执行： + `python entry.py --data_name=flickr --model_name=diffnetplus` # 模型：diffnetplus 数据集：flickr + `python entry.py --data_name=yelp --model_name=MGNN` # 模型：mgnn 数据集：yelp ## 过程 ### 物品预测 使用user-item进行兴趣扩散，user-user进行社交扩散，得到潜在user_embedding和潜在item_embedding，进行物品预测 ### 联合预测 使用MGNN进行联合预测（兴趣预测+社交预测）