实战三十一：基于LightGCN推荐算法的推荐系统详细教程（代码+数据）

• 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）构造出用户-项目交互图，协同过滤利用过去的用户-项目交互来实现预测；对相似的用户进行推荐相同喜好的item，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。
• LightGCN推荐方法概述：首先，基于NGCF模型，NGCF模型利用了GCN的思想，遵循同样的传播规则来细化嵌入：特征转换、邻域聚集和非线性激活。但是其中许多操作都是直接从GCN没有任何理由继承而来的，增加了模型的复杂度。LightGCN模型只包含了GCN中最基本的组成部分-邻域聚合-用于协同过滤。首先从原始数据之中进行数据处理、数据集构建、划分等；然后基于pytorch构建LightGCN模型；然后进行模型的训练、模型评价、保存等等。详细内容在后边会有说明。

• 

2.准备工作

• 运行环境：

    torch==1.4.0
    pandas==0.24.2
    scipy==1.3.0
    numpy==1.16.4
    tensorboardX==1.8
    scikit-learn==0.23.2
    tqdm==4.48.2

• 可以使用pip命令安装上述模块并制定版本：pip install torch==1.4.0 pandas==0.24.2