MovieLens 推荐系统

基于Wide&Deep模型的电影推荐系统，使用MovieLens数据集进行训练和评估。

项目结构

. ├── README.md ├── requirements.txt ├── config.py # 配置文件 ├── data_utils.py # 数据处理工具 ├── model.py # 模型定义 ├── train.py # 训练脚本 ├── test_model.py # 测试脚本 └── main.py # 主程序入口

环境要求

• Python 3.8+
• PyTorch 2.0+
• CUDA (可选，用于GPU加速)

安装

1. 克隆仓库：

git clone https://github.com/SWORD-ZEUS/recsys.git
cd recsys

2. 安装依赖：

pip install -r requirements.txt

数据准备

1. 下载MovieLens数据集并解压
2. 运行数据预处理脚本：

python process_data.py

模型说明

使用Wide&Deep模型进行推荐，包含以下特征：

• 用户ID嵌入
• 电影ID嵌入
• 电影类型特征
• 标签特征

评分预测被视为10分类问题，对应评分：[0.5, 1.0, 1.5, 2.0, 2.5, 3.0, 3.5, 4.0, 4.5, 5.0]

训练模型

python main.py

训练过程中会：

• 自动保存最佳模型
• 记录训练日志（可使用TensorBoard查看）
• 在验证集上评估模型性能

测试模型

python test_model.py

测试结果包括：

• 准确率（Accuracy）
• 均方误差（MSE）
• 均方根误差（RMSE）
• 平均绝对误差（MAE）

配置说明

主要配置参数（在config.py中）：

• BATCH_SIZE: 批次大小
• EPOCHS: 训练轮数
• LEARNING_RATE: 学习率
• EMBEDDING_DIM: 嵌入维度
• HIDDEN_UNITS: 隐藏层单元数
• DROPOUT: Dropout比率

文件说明

• config.py: 配置参数和常量
• data_utils.py: 数据加载和预处理函数
• model.py: Wide&Deep模型定义
• train.py: 模型训练和评估函数
• test_model.py: 模型测试和结果输出
• main.py: 主程序入口

许可证

MIT License

作者

SWORD-ZEUS