推荐系统：基于ConvNCF推荐算法的推荐系统实现 代码+数据详细教程

 1.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。
• ConvNCF推荐方法概述：本推荐算法的创新之处在于vector外积、CNN的引入，外积的引入尤为关键，两个向量内积得到一个标量，而外积则得到一个矩阵，且矩阵的对角线就是两个向量element-wise相乘的结果，得到了矩阵，这使得CNN才得以引入。本案例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ConvNCF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。
• 主要场景：数据挖掘》推荐系统》多模态召回
• 主要知识点：推荐系统》协同过滤推荐算法》模型的协同过滤(model-based CF)；推荐系统》协同过滤推荐算法》阵因子分解(Matrix Factorization)
• ConvNCF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
    pandas = 1.0.1
    matplotlib = 3.1.3
    tim