NGACF
Implemention of 'Neural Graph Attention Collaborative Filtering'
环境配置
conda create -n env python=3.6
source activate env
pip install -r requirements.txt
实验
小数据集测试代码是否通过
python run_Gowalla.py --parallel False --gpu_id 0 --model SPUIGACF --dataset ml100k --lr 0.002 --weight_decay 0.000001 --epochs 2 --droprate 0.2 --adj_type ui_mat --train_mode PairSampling --eval_mode AllNeg --eval_every 1
实验1:Yelp 实验
内存占用约100G,显存占用12G。
python run_Gowalla.py --parallel False --gpu_id 0 --model SPUIGACF --dataset Yelp --lr 0.01 --weight_decay 0.000001 --epochs 100 --droprate 0.2 --adj_type ui_mat --train_mode PairSampling --eval_mode AllNeg --eval_every 50
实验2:Gowalla 实验
内存占用约60G,显存占用9G。
python run_Gowalla.py --parallel False --gpu_id 0 --model SPUIGACF --dataset Gowalla --lr 0.01 --weight_decay 0.000001 --epochs 100 --droprate 0.2 --adj_type ui_mat --train_mode PairSampling --eval_mode AllNeg --eval_every 50