GNN-Recommendation

毕业设计：基于图神经网络的异构图表示学习和推荐算法研究

目录结构

GNN-Recommendation/
    gnnrec/             算法模块顶级包
        hge/            异构图表示学习模块
        kgrec/          基于图神经网络的推荐算法模块
    data/               数据集目录（已添加.gitignore）
    model/              模型保存目录（已添加.gitignore）
    img/                图片目录
    academic_graph/     Django项目模块
    rank/               Django应用
    manage.py           Django管理脚本

安装依赖

Python 3.7

CUDA 11.0

pip install -r requirements_cuda.txt

CPU

pip install -r requirements.txt

异构图表示学习

基于对比学习的关系感知异构图神经网络(Relation-aware Heterogeneous Graph Neural Network with Contrastive Learning, RHCO)

实验

见 readme

基于图神经网络的推荐算法

基于图神经网络的学术推荐算法(Graph Neural Network based Academic Recommendation Algorithm, GARec)

实验

见 readme

Django配置

MySQL数据库配置

1. 创建数据库及用户

CREATE DATABASE academic_graph CHARACTER SET utf8mb4;
CREATE USER 'academic_graph'@'%' IDENTIFIED BY 'password';
GRANT ALL ON academic_graph.* TO 'academic_graph'@'%';

2. 在根目录下创建文件.mylogin.cnf

[client]
host = x.x.x.x
port = 3306
user = username
password = password
database = database
default-character-set = utf8mb4

3. 创建数据库表

python manage.py makemigrations --settings=academic_graph.settings.prod rank
python manage.py migrate --settings=academic_graph.settings.prod

4. 导入oag-cs数据集

python manage.py loadoagcs --settings=academic_graph.settings.prod

注：由于导入一次时间很长（约9小时），为了避免中途发生错误，可以先用data/oag/test中的测试数据调试一下

拷贝静态文件

python manage.py collectstatic --settings=academic_graph.settings.prod

启动Web服务器

export SECRET_KEY=xxx
python manage.py runserver --settings=academic_graph.settings.prod 0.0.0.0:8000

系统截图

搜索论文

论文详情

学者排名

学者详情