21、使用LightGCN构建推荐系统

使用LightGCN构建推荐系统

1. 技术要求

所有代码示例可在GitHub上找到，链接为：https://github.com/PacktPublishing/Hands-On-Graph-Neural-Networks-Using-Python/tree/main/Chapter17 。在本地运行代码的安装步骤可参考相关说明。此项目需要大量GPU资源，可通过减小代码中训练集的大小来降低需求。

2. 探索Book-Crossing数据集

2.1 数据集介绍

Book-Crossing数据集是由BookCrossing社区（www.bookcrossing.com）的278,858名用户提供的书籍评分集合。评分分为显式（1 - 10分）和隐式（用户与书籍有交互）两种，总计1,149,780条，涉及271,379本书籍。该数据集由Cai - Nicolas Ziegler在2004年8月和9月的四周爬取中收集。

2.2 下载数据集

使用以下代码下载并解压数据集：

from io import BytesIO
from urllib.request import urlopen
from zipfile import ZipFile

url = 'http://www2.informatik.uni-freiburg.de/~cziegler/BX/BX-CSV-Dump.zip'
with urlopen(url) as zurl:
    with ZipFile(BytesIO(zurl.read())) as zfile