实战二十一：基于KERL模型实现用户购买商品推荐 代码+数据（可作为毕设项目）

用户生活在社会中，通过网络或工作与各种各样的人建立联系。其他人的行为或观点经常会极大地影响用户的选择。因此，在序列推荐系统中需要考虑社交的影响，这在现有的工作中经常被忽略。

3.交互式序列推荐

在现实中大多数购物行为都是连续的，而非独立的事件。换句话说，这事实上是用户和购物平台（例如，亚马逊）之间的序列交互。然而，现有的序列推荐系统经常忽视这样的交互，并且它们生成的推荐在一个时间步内只生成一个行为。如何合并用户-卖家间的交互，并生成多时间步长的推荐是一个很有前途的研究方向。

4.跨域序列推荐

在现实世界里，用户在一定时间内购买的商品通常是来自多个领域，而非单个领域。基本上都是一些来自不同领域的商品间的序列依赖关系，例如买车之后车险的购买。这种跨域序列依赖关系在大多数序列推荐系统中被忽视。因此，跨域序列推荐系统对于通过利用不同领域的信息生成的更加精确地推荐和来自不同领域的多样的推荐是另一个比较有前途的研究方向。

[20]

# 使用pip命令安装指定版本工具包
# pytorch具体安装方法：https://pytorch.org/
#!pip install pytorch==1.5.1 pandas==1.0.1 numpy==1.18.1 scipy==1.4.1

[21]

# 统一导入工具包
import torch
import torch.nn as nn
import torch.nn.functional as F
from torch.autograd import Variable
import numpy as np
from scipy.sparse import csr_matrix
from s