1.案例知识点

• 推荐系统任务描述：通过用户的历史行为（比如浏览记录、购买记录等等）准确的预测出用户未来的行为；好的推荐系统不仅如此，而且能够拓展用户的视野，帮助他们发现可能感兴趣的却不容易发现的item；同时将埋没在长尾中的好商品推荐给可能感兴趣的用户。
• FM推荐方法概述：主要是为了解决数据稀疏的情况下，特征怎样组合的问题。首先从原始数据之中进行数据处理、数据集构建、划分等；然后基于pytorch构建Fm模型；然后进行模型的训练、模型评价等等。详细内容在后边会有说明。
• 主要场景：数据挖掘》推荐系统》特征组合
• 主要知识点：监督学习》神经网络》FM；推荐系统》Context-aware推荐》FM
• 案例难度：3
• 案例流程图：

  

数据集：https://download.csdn.net/download/qq_38735017/87078811 

1.1准备工作

• 运行环境：

    torch=1.4.0
    scipy=1.3.0
    numpy=1.16.4
    pandas=0.24.2