# rec_paper_o1

**Repository Path**: sparrowbo/rec_paper_o1

## Basic Information

- **Project Name**: rec_paper_o1
- **Description**: 流行度偏差论文实验
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-02-17
- **Last Updated**: 2025-03-14

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

### 项目介绍
每个数据集只采用 uid、iid 和 label 三列，通过这三列进行流行度纠偏分析，这是一种简单形式，实际上可以用更多列进行预测

### 启动相关
1. 安装 fuxictr，模型工具箱，有了 fuxictr，我们可以专注于模型细节
```python
pip install -U fuxictr
```
安装 pytorch
```python
不同电脑有不同 pytorch，可能需自行去 pytorch 官网查找合适版本的
```

2. 安装 experiment_db-0.1
前往目录 rec_paper_o1/rec_scripts/experiment_db 目录
运行命令：
```
pip install .
```

3. fuxictr 和 2.0 版本的 Numpy 不兼容，所有不兼容的代码都可以，**使用 Monkey Patch 进行兼容**（已处理）

4. 运行命令示例，建议在 rec_paper_o1 目录下运行
- 训练默认 DeepFM 的测试命令：`python ./model_zoo/DeepFM_torch/run_expid.py`
- 训练默认 DeepFM 对比学习的测试命令：`python ./model_zoo/DeepFM_torch/run_expid.py --expid cdd_ml_1m --gpu 0`
- 训练 DeepFM 对比学习使用不同权重：`python ./model_zoo/DeepFM_torch/run_expid.py --expid cdd_ml_1m --gpu 0 --loss_weight "{\"bce\": 0.6, \"info_nce\": 0.2, \"triplet\": 0.1, \"sim\": 0.1}"`
- 训练默认 FM 的测试命令：`python model_zoo/FM/run_expid.py --expid FM_test`
- 训练默认 FinalMLP 的测试命令：`python model_zoo/FinalMLP/run_expid.py --expid FinalMLP_test`
- 对 DeepFM_taobao 模型进行预测：`python model_zoo\DeepFM_torch\run_pred.py --experiment_id DeepFM_taobao --model_path .\checkpoints\taobao\DeepFM_taobao.model --top_k 200 --n_users 2000 --origin_path ..\..\data\taobao\ --gpu 0`
- 对 DeepFM_ml_1m 模型进行预测：`python model_zoo\DeepFM_torch\run_pred.py --experiment_id DeepFM_ml_1m --model_path .\checkpoints\ml_1m\DeepFM_ml_1m.model --top_k 20 --n_users 2000 --origin_path ..\..\data\ml_1m\ --gpu 0`
- 对 DeepFM_ml_1m 模型进行预测（直接使用 predicted_scores.csv）：`python model_zoo\DeepFM_torch\run_pred.py --experiment_id DeepFM_ml_1m --model_path .\checkpoints\ml_1m\DeepFM_ml_1m.model --top_k 20 --n_users 2000 --origin_path ..\..\data\ml_1m\ --gpu 0 --predicted_scores_path ..\..\data\ml_1m\recommended_top20_users2000_DeepFM_ml_1m\predicted_scores.csv`
- 对 ccgd 模型进行预测: `python ./model_zoo/DeepFM_torch/run_expid.py --expid ccgd_ml_1m --gpu 0`
-- 常用命令
1. `python model_zoo\DeepFM_torch\run_expid.py --expid cdd_ml_1m --gpu 0` 
2. `python model_zoo\DeepFM_torch\run_expid.py --expid cdd_taobao --gpu 0`

5. 数据集
    a. movielens_1m: http://www.movielens.org/
    b. ijcai2016_taobao: https://tianchi.aliyun.com/dataset/53
    c. xxx
    d. yyyy



### 版本信息
1. version-0.0.1: 数据集没有统一表头为（uid、iid 和 label），将在 version-0.0.2 中统一表头
2.