Multi-Component-Graph-Convolutional-Collaborative-Filtering
Multi-Component-Graph-Convolutional-Collaborative-Filtering copied to clipboard
BUPT-GAMMA
data issue
你好，我想问一下在movielens文件中有 u1, u2,u3...等多个文件，这些不同的文件 (应该就是不同的Component) 分别代表什么意思呢？它们是如何产生的呢？yelp 和 amazon文件是不是还有多个文件没有展示出来？
我上传的movielens dataset是常用的原始数据集，u1、u2、u3、u4和u5是五折交叉验证的划分。而在我们的实验中并没有用到这些数据，model中实际使用ua和ub文件进行随机划分，对于baselines也使用相同的划分进行比较，详细数据处理过程可参照preprocess.py。
不同component的输入是相同的，利用正则等约束使其分别表示不同aspect的语义，有些许解耦的思想在。
谢谢你的回答。不好意思，我仍然难以理解不同aspect的语义是如何产生的。有使用u.user 和 u.item文件吗？能麻烦您详细阐述一下生成过程吗？ 或者分享相关代码。我对这篇论文十分感兴趣，多有打扰，谢谢您的帮助。
谢谢你的回答。不好意思，我仍然难以理解不同aspect的语义是如何产生的。有使用u.user 和 u.item文件吗？能麻烦您详细阐述一下生成过程吗？ 或者分享相关代码。我对这篇论文十分感兴趣，多有打扰，谢谢您的帮助。
感谢您的关注，十分抱歉，回复晚了。
将user和item投影至不同space，每一个space对应于某种aspect的语义。换句话说，这种过程可以理解为multi-head，与multi-head的不同之处在于我们显式约束了space的差异，并通过space间的attention机制得到user的finer-grained preference。
我们实验中并未使用u.user 和 u.item文件，使用的是ua.base和ua.test进行8/2随机划分，并将处理后的模型输入存储至_allData.p中。该数据处理过程可以参考/datasets/yelp/preprocess.py。