基于二部圖GraphSAGE算法實現(xiàn)推薦召回
本文為您介紹如何使用二部圖GraphSAGE算法，快速生成推薦召回場景中的User和Item向量。
背景信息
圖神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)的熱點發(fā)展方向，PAI開源Graph-Learn框架，提供大量圖學(xué)習(xí)算法。二部圖GraphSAGE是經(jīng)典的圖神經(jīng)網(wǎng)絡(luò)算法，而GraphSAGE為二部圖場景擴展，被用于淘寶的推薦召回場景。
在二部圖場景下，可以將User和Item作為圖中的點，User-Item之間的關(guān)系（點擊或購買等）作為圖中的邊。對于User和Item，其鄰居分別按照User-Item-User-Item…及Item-User-Item-User…的Meta-Path進行采樣。
前提條件
已創(chuàng)建工作空間，詳情請參見創(chuàng)建工作空間。
已將MaxCompute資源關(guān)聯(lián)到工作空間，詳情請參見管理工作空間。
基于二部圖GraphSAGE算法實現(xiàn)推薦召回
進入Designer頁面。
登錄PAI控制臺。
在左側(cè)導(dǎo)航欄單擊工作空間列表，在工作空間列表頁面中單擊待操作的工作空間名稱，進入對應(yīng)的工作空間。
在工作空間頁面的左側(cè)導(dǎo)航欄選擇，進入Designer頁面。
構(gòu)建工作流。
在Designer頁面，單擊預(yù)置模板頁簽。
在模板列表，單擊推薦召回-GraphEmbedding算法下的創(chuàng)建。
在新建工作流對話框，配置參數(shù)（可以全部使用默認參數(shù)）。
其中：工作流數(shù)據(jù)存儲配置為OSS Bucket路徑，用于存儲工作流運行中產(chǎn)出的臨時數(shù)據(jù)和模型。
單擊確定。
您需要等待大約十秒鐘，工作流可以創(chuàng)建成功。
在工作流列表，雙擊推薦召回-GraphEmbedding算法工作流，進入工作流。
系統(tǒng)根據(jù)預(yù)置的模板，自動構(gòu)建工作流，如下圖所示。
區(qū)域
描述
①
User&Item行為表，包括如下字段：
user：BIGINT類型，表示用戶ID。
item：BIGINT類型，表示物品ID。
weight：DOUBLE類型，表示行為。例如1表示購買，2表示收藏。
②
User特征表，包括如下字段：
user：BIGINT類型，表示用戶ID。
feature：STRING類型，表示用戶特征。每個用戶至少配置1個特征，多個特征以半角冒號（:）分隔。每個特征必須為FLOAT類型，按照連續(xù)特征進行處理。例如：
1:1:1。
③
Item特征表，包括如下字段：
item：BIGINT類型，表示物品ID。
feature：STRING類型，表示item特征。每個item至少配置1個特征，多個特征以半角冒號（:）分隔。每個特征必須為FLOAT類型，按照連續(xù)特征進行處理。例如：
1:1:2。
④
通過graphSage組件生成用于推薦召回場景的User向量表和Item向量表。graphSage組件參數(shù)設(shè)置說明：
user特征數(shù)：User特征數(shù)，對應(yīng)User特征表特征個數(shù)。
item特征數(shù)：Item特征數(shù)，對應(yīng)Item特征表特征個數(shù)。
epoch：訓(xùn)練的epoch數(shù)。
batch_size：訓(xùn)練的batch_size大小。
learning_rate:：訓(xùn)練的學(xué)習(xí)率。
drop_out：訓(xùn)練時的dropout。
hidden_dim：模型隱層維度大小。
output_dim：最后輸出embedding的維數(shù)。
user跳躍采樣鄰居數(shù)：User的每一跳鄰居數(shù)。'[10,2]'表示第一跳采樣10個鄰居，第二跳采樣2個鄰居。User多跳采樣的路徑為User-Item-User-Item...
item跳躍采樣鄰居數(shù)：Item的每一跳鄰居數(shù)。Item多跳采樣的路徑為Item-User-Item-User...
負采樣數(shù)：負采樣數(shù)?(?條正樣本對應(yīng)的負樣本數(shù)?)，通常設(shè)為5～10。
聚合類型：鄰居聚合方式，包括'gcn', 'sum'和'mean', 'gcn'指類似GCN的聚合方式，'mean'指鄰居做平均，'sum'指鄰居求和，一般選'mean'。
是否做特征 batch normalization：是否對輸?特征做batch normalization。
是否使用同步訓(xùn)練：是否使?同步訓(xùn)練。默認使?異步訓(xùn)練。同步訓(xùn)練時epoch參數(shù)失效。在異步訓(xùn)練不收斂時可以嘗試同步訓(xùn)練。注意：同步訓(xùn)練性能相比異步訓(xùn)練要差。
最大同步訓(xùn)練步數(shù)：最?訓(xùn)練步數(shù)，僅在同步訓(xùn)練時?效， 此時epoch參數(shù)不再?效。可通過邊數(shù)/(worker數(shù)*batch_size) 來估計遍歷?遍邊表需要多少step來設(shè)置。
運行工作流并查看輸出結(jié)果。
單擊畫布上方的
。工作流運行結(jié)束后，右鍵單擊畫布中的graphSage，在快捷菜單中，單擊，即可查看生成的User Embedding。
工作流運行結(jié)束后，右鍵單擊畫布中的graphSage，在快捷菜單中，單擊，即可查看生成的Item Embedding。