wangzhegeek/eges

eges's Issues

alias table生成方式有问题

EGES/walker.py

Line 130 in f600b2e

alias_nodes[node] = create_alias_table(normalized_probs)

这代码对每个weight都进行了归一化，也就是所有weight都会小等于1。而在alias.py里面，small放的是小于1的数，large放的大于1的数，归一化之后的数都只会放到small中了，那这个alias采样就没有意义了

输出的权重矩阵如何得到？

您好，side info的权重矩阵即embedding怎么得到呢？好像程序中没有这一块的逻辑

产生的上下文为什么每次都要加上0呢？

    # brand_list, shop_list, cate_list = side_infos
    session_items = []
    for lst in session_list:
        lst = list(map(int, lst)) + [0]
        session_items.extend(lst)

权重矩阵如何获取到？？

我看模型文件
tensor_name: softmax_w/Adam_1
tensor_name: softmax_w
tensor_name: softmax_b/Adam
tensor_name: softmax_b
tensor_name: embedding3/Adam_1
tensor_name: embedding3
tensor_name: embedding2/Adam
tensor_name: embedding2
tensor_name: embedding1/Adam
tensor_name: Variable/Adam_1
tensor_name: embedding0/Adam_1
tensor_name: embedding0/Adam
tensor_name: beta2_power
tensor_name: embedding2/Adam_1
tensor_name: embedding0
tensor_name: softmax_w/Adam
tensor_name: beta1_power
tensor_name: embedding1/Adam_1
tensor_name: embedding1
tensor_name: embedding3/Adam
tensor_name: Variable/Adam
tensor_name: softmax_b/Adam_1
tensor_name: Variable
这些哪个是权重矩阵值。embedding0,embedding1,embedding2,embedding3的值应该是sku的embedding、brand、cate和shop的embedding吧

side information embedding是否被所有node共享的问题

代码中每个side information对应一个embedding层：

def embedding_init(self):
    cat_embedding_vars = []
    for i in range(self.num_feat):
        embedding_var = tf.Variable(tf.random_uniform((self.feature_lens[i], self.embedding_dim), -1, 1), name='embedding'+str(i),
                                        trainable=True)
        cat_embedding_vars.append(embedding_var)
    return cat_embedding_vars

这样生成的所有的side information的embedding lookup table的尺寸为：
（side information个数，side information的取值个数（不固定），embedding向量维度）

但是论文中2.4节第三段提到对于每个node的每个side information，都有其单独对应的一个embedding向量：

Specifically, W_v_0 denotes the embedding of item v , and W_v_s denotes the embedding of the s-th type of side information attached to item v.

意思是不是所有的side information的embedding lookup table应该有如下尺寸：
（node个数，side information个数，side information的取值个数（不固定），embedding向量维度）？这样若两个node的同一个side information的取值相同，这两个side information的embedding也会不一样。但是按照代码里的逻辑，它们的embedding是一样的。

负采样的问题

数据集下载

原链接已经失效了

运行期异常

运行环境
python 3.7.3
tensorflow == 1.14.0
joblib
networkx

运行步骤：
python data_process.py
pyhon EGES.py

报错信息：

Errors may have originated from an input operation.
Input Source operations connected to node embedding_lookup_2:
inputs_shop (defined at F:/PycharmProjects/EGES-master/EGES.py:70)
Variable_2/read (defined at F:/PycharmProjects/EGES-master/EGES.py:79)

Original stack trace for 'embedding_lookup_2':
File "F:/PycharmProjects/EGES-master/EGES.py", line 80, in
shop_embed = tf.nn.embedding_lookup(shop_embedding, inputs_shop)
File "C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\ops\embedding_ops.py", line 315, in embedding_lookup
transform_fn=None)
File "C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\ops\embedding_ops.py", line 133, in _embedding_lookup_and_transform
array_ops.gather(params[0], ids, name=name), ids, max_norm)
File "C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\util\dispatch.py", line 180, in wrapper
return target(*args, **kwargs)
File "C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\ops\array_ops.py", line 3475, in gather
return gen_array_ops.gather_v2(params, indices, axis, name=name)
File "C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\ops\gen_array_ops.py", line 4097, in gather_v2
batch_dims=batch_dims, name=name)
File "C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\framework\op_def_library.py", line 788, in _apply_op_helper
op_def=op_def)
File "C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\util\deprecation.py", line 507, in new_func
return func(*args, **kwargs)
File "C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\framework\ops.py", line 3616, in create_op
op_def=op_def)
File "C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\framework\ops.py", line 2005, in init
self._traceback = tf_stack.extract_stack()

关于您代码中的session截断的问题

大佬您好，万分感谢您的分享！！！
您在readme中有说：“session截断依据为最后一个action为下单，或者30分钟内没有action”
请问为什么把'下单'操作作为截断的依据呢，如果我在半个小时内，先后下单了A，B两件商品，这不也说A，B之间有潜在的推荐关系吗？

Preprocess transition probs...这一步时间很长

这一步时间非常长，而且，内存会从几个G慢慢变得越来越大，最后256G的内存会爆掉

论文中的公式（5）是不是有误

应该是少个负号，或者把minimize改成maximize？参考graphSAGE论文中的公式（1）

两个带_dataset 和不带的差异是？

小白问一下：两个带_dataset 和不带的差异是？

Preprocess transition probs...

请问由商品序列生成graph的时候，这里是不是生成的有向图

# session2graph
node_pair = dict()
for session in session_list_all:
    for i in range(1, len(session)):
        if (session[i - 1], session[i]) not in node_pair.keys():
            node_pair[(session[i - 1], session[i])] = 1
        else:
            node_pair[(session[i - 1], session[i])] += 1

in_node_list = list(map(lambda x: x[0], list(node_pair.keys())))
out_node_list = list(map(lambda x: x[1], list(node_pair.keys())))
weight_list = list(node_pair.values())
graph_df = pd.DataFrame({'in_node': in_node_list, 'out_node': out_node_list, 'weight': weight_list})

为什么要将多个session串成一个大session？

session_items = []
for lst in session_list:
    lst = list(map(int, lst)) + [0]
    session_items.extend(lst)

在后续生成target的时候这里不会将一些原本没有共现关系的item弄成共现的了吗？

尊敬的作者，请问您对计算每个item的top n个相似的邻居有没有什么建议

新的数据，增量修改或新增该如何做？

新的数据，增量修改或新增该如何做？

关于negative sampling的问题

能不能做一个冷启动物品的例子

损失函数的问题

感觉code author理解错了原文的loss？？

看的是EGES_model.py。�
def make_skipgram_loss() 这个函数像代码作者这样写，我理解的意思是，最大化了node v的embedding Hv和node v的context node u的id的共现概率？？
可是原文公式（8）的loss是L(v,u,y)=−[ylog(σ(HvT Zu))+(1−y)log(1−σ(HvT Zu))]啊？？

求问是我理解错了还是代码作者理解错了呀....

另外求问_dataset版的py文件是干什么用的呀？

请问Preprocess transition probs 内存爆掉怎么解决呢

感觉sampled_softmax那里直接用均匀采样（uniform）是不是不太好？

感觉可以根据word2vec原论文中的那个负采样概率公式得到每个id的采样概率，然后根据概率采样几个负样本更好（比如alias采样）？

hello，看了您的code分享，很nice！有个问题不懂word2vec中的target应该是单个id吧？为啥这里的y是list？

agg(list)代码报错，请大佬看看。

def get_session(action_data, use_type=None)
中的group_action_data = action_data.groupby('user_id').agg(list)
为何是agg(list)？
agg聚合操作，传入的参数list是不是有误？参数list代码在这一行时候报错了。

报错信息：
File "E:/0001CTR/召回算法汇总/EGES/EGES-master/data_process.py", line 32, in get_session
group_action_data = action_data.groupby('user_id').agg(list)
File "D:\Anaconda2\envs\py3\lib\site-packages\pandas\core\groupby.py", line 3597, in aggregate
return super(DataFrameGroupBy, self).aggregate(arg, *args, **kwargs)
File "D:\Anaconda2\envs\py3\lib\site-packages\pandas\core\groupby.py", line 3114, in aggregate
result, how = self._aggregate(arg, _level=_level, *args, **kwargs)
File "D:\Anaconda2\envs\py3\lib\site-packages\pandas\core\base.py", line 564, in _aggregate
return self._aggregate_multiple_funcs(arg, _level=_level), None
File "D:\Anaconda2\envs\py3\lib\site-packages\pandas\core\base.py", line 616, in _aggregate_multiple_funcs
return concat(results, keys=keys, axis=1)
File "D:\Anaconda2\envs\py3\lib\site-packages\pandas\tools\merge.py", line 845, in concat
copy=copy)
File "D:\Anaconda2\envs\py3\lib\site-packages\pandas\tools\merge.py", line 878, in init
raise ValueError('No objects to concatenate')
ValueError: No objects to concatenate

数据链接失效

大佬，数据连接失效了，能发一份数据么？

Can you provide results of the cold item?

I cannot figure out the performance of the trained model upon cold items. Can you provide the code for cold items.

The author used the link prediction task in the offline experiments.

I didn't find the train-test split process in this code. How to evaluate the accuracy of the model?

OOM问题

当节点有580万左右时embedding_size=128
embedding_var = tf.Variable(tf.random_uniform((self.feature_lens[i], self.embedding_dim), -1, 1), name='embedding'+str(i),
trainable=True)
这里出现OOM,是因为节点太多了吗

EGES_model_dataset.py issues

该文件第53行self.inputs[-1] 应改为self. batch_labels

没看出冷启动物品怎么训练进去的呀

oov side info problem

Since all item sequence is generated from random walk, item's side info like brand will become oov due to low transition possibility.
How to deal with this issue?

groupby('user_id').agg(list)报错

ValueError: no results