《Billion-scale Commodity Embedding for E-commerce Recommendation in Alibaba》简单实现

图神经网络在这几年开始流行起来，并在业界有了不少成功的实践。阿里在2018年发表的这篇论文《Billion-scale Commodity Embedding for E-commerce Recommendation in Alibaba》便是一个图网络在推荐场景很好的落地应用。论文中提出的模型(GES, EGES) 正是为了解决推荐系统数据的可扩展性、稀疏性、冷启动等问题，并增加了 item 的额外信息（例如category, brand, price等），以更好的为用户进行商品推荐。

关于该论文的详细理论解释就不再赘述了，网上已有不少的阅读笔记以及论文解读。我在看了这篇论文之后，也想着在自己的应用场景中去实践一下，于是网上找到了大佬开源的EGES代码，并在此基础上我稍加改造，参考了skip gram的多GPU训练代码，也将EGES可以运行在多GPU上。

代码链接在此：https://github.com/bound2020/EGES_multiGPU ，欢迎各位大佬指教。