实战二十四：商品推荐系统实战：基于AFM推荐算法的推荐系统实现 代码+数据 （可作为毕设）

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。AFM推荐算法概述：AFM基于FM(Factorization Machine)，FM在预测问题上就已经引入了多项式来改进线性模型较弱的预测能力，但其对于所有特征赋予了相同的权重，这是不合理的，AFM在FM的基础上添加了注意力机制，目的是为了对预测有帮助的信息给予更高的权重、降低无用信息的权重；本案例首先需要对FM、注意力机制有所了解。
• AFM模型图：

• 

• 案例流程图

  

1.1准备工作

• 运行环境

    torch = 1.4
    torchvision==0.5.0
    matplotlib = 3.1.3
    time

• 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==