【文件属性】：
文件名称：attentional_factorization_machine:注意分解机的TensorFlow实现
文件大小：20.04MB
文件格式：ZIP
更新时间：2021-05-01 03:51:23
deep-learning recommender-system factorization-machines neural-factorization-machines Python
tentional_factorization_machine
这是我们对本文的实现：
肖军，叶浩，何湘南，张汉旺，吴飞，蔡达生（2017）。 IJCAI，澳大利亚墨尔本，2017年8月19日至25日。
在我们建议的神经网络框架下，我们还发布了分解机的TensorFlow实现。
如果您使用我们的代码，请引用我们的IJCAI'17论文。 谢谢！
作者：（ ）和郝浩（ ）
环境环境
Tensorflow（版本：1.0.1）
麻木
斯克莱恩
数据集
我们使用与LibFM工具包（ ）相同的输入格式。 在此指令中，我们使用 。 MovieLens数据已用于个性化标签推荐，其中包含用户在电影上的668,953个标签应用。 我们使用一键编码将每个标签应用程序（用户ID，电影ID和标签）转换为特征向量，并获得90,445个二进制特征。 以下示例基于该数据集，无论在文件名称中还是在代码内部
【文件预览】：
attentional_factorization_machine-master
----.gitignore(16B)
----data()
--------ml-tag()
--------frappe()
----code()
--------LoadData.py(4KB)
--------AFM.py(26KB)
--------FM.py(18KB)
----README.md(4KB)