针对用户行为存在数据稀疏的特点，MGNN算法通过关联不同场景中的用户行为，来解决用户行为数据稀疏的问题，在每个场景下给用户推荐可能感兴趣的物品。MGNN算法通过构建多维图模型来探索融合不同场景的用户行为，迁移跨场景的知识，学习用户偏好，预测并推荐用户可能感兴趣的物品。
MGNN算法基于Python3.6+环境下的numpy、tensorflow1.13、networkx等依赖库开发。算法输入为用户在不同场景下的行为数据，输出为各场景下给用户推荐的物品。该算法支持在应用宝数据集上进行跨场景的推荐。此外在代码的实现过程中，参考了Kipf 等、Wang等、Conet等第三方开源资源。
算法名称
| 基于多维图神经网络的跨场景推荐算法
（Multi-Graph Neural Network, MGNN）
|
算法接口
| python main.py
|
输入
| 用户在不同场景下的行为数据
|
输出
| 每个场景下给用户推荐的物品
|
支持数据集
| 应用宝数据集
|
依赖库
| Python 3.6、numpy、tensorflow1.13、networkx
|
参考资源
| Kipf 等、Wang等、Conet
|
