MovieLens数据集
- class dgl.data.MovieLensDataset(name, valid_ratio, test_ratio=None, raw_dir=None, force_reload=None, verbose=None, transform=None, random_state=0)[source]
Bases:
DGLDataset用于边缘预测任务的MovieLens数据集。原始数据集是从MovieLens
数据集由用户对电影的评分组成，并以特征的形式包含了额外的用户/电影信息。 节点代表用户和电影，边存储用户对电影的评分。
统计：
电影推荐系统-100K (ml-100k)
用户数: 943
电影：1,682
评分：100,000 (1, 2, 3, 4, 5)
电影推荐系统-1M (ml-1m)
用户数：6,040
电影：3,706
评分：1,000,209 (1, 2, 3, 4, 5)
电影推荐系统-10M (ml-10m)
用户数：69,878
电影：10,677
评分：10,000,054 (0.5, 1, 1.5, …, 4.5, 5.0)
- Parameters:
name (str) – 数据集名称。 (
"ml-100k","ml-1m","ml-10m").valid_ratio (int) – 验证样本占整个数据集的比例。应在 (0.0, 1.0) 之间。
test_ratio (int, optional) – 测试样本占整个数据集的比例。应在 (0.0, 1.0) 范围内。并且它与
valid_ratio的和也应在 (0.0, 1.0) 范围内。当name为"ml-100k"时，此参数无效，因为其测试样本是预先指定的。 默认值：Noneraw_dir (str, optional) – 用于下载/存储数据的原始文件目录。 默认值：~/.dgl/
force_reload (bool, optional) – 是否重新下载（如果数据集尚未下载）并重新处理数据集。 默认值：False
verbose (bool, optional) – 是否打印进度信息。默认值：True。
transform (callable, optional) – A transform that takes in a
DGLGraphobject and returns a transformed version. TheDGLGraphobject will be transformed before every access.random_state (int, optional) – 用于随机数据集分割的随机种子。默认值：0
注释
当
name为"ml-100k"时，test_ratio无效，训练比例等于1-valid_ratio。
当
name为"ml-1m"或"ml-10m"时，test_ratio有效， 且训练比例等于1-valid_ratio-test_ratio。 - 边的数量加倍以形成无向（双向）图结构。示例
>>> from dgl.data import MovieLensDataset >>> dataset = MovieLensDataset(name='ml-100k', valid_ratio=0.2) >>> g = dataset[0] >>> g Graph(num_nodes={'movie': 1682, 'user': 943}, num_edges={('movie', 'movie-user', 'user'): 100000, ('user', 'user-movie', 'movie'): 100000}, metagraph=[('movie', 'user', 'movie-user'), ('user', 'movie', 'user-movie')])
>>> # get ratings of edges in the training graph. >>> rate = g.edges['user-movie'].data['rate'] # or rate = g.edges['movie-user'].data['rate'] >>> rate tensor([5., 5., 3., ..., 3., 3., 5.])
>>> # get train, valid and test mask of edges >>> train_mask = g.edges['user-movie'].data['train_mask'] >>> valid_mask = g.edges['user-movie'].data['valid_mask'] >>> test_mask = g.edges['user-movie'].data['test_mask']
>>> # get train, valid and test ratings >>> train_ratings = rate[train_mask] >>> valid_ratings = rate[valid_mask] >>> test_ratings = rate[test_mask]
>>> # get input features of users >>> g.nodes["user"].data["feat"] # or g.nodes["movie"].data["feat"] for movie nodes tensor([[0.4800, 0.0000, 0.0000, ..., 0.0000, 0.0000, 0.0000], [1.0600, 1.0000, 0.0000, ..., 0.0000, 0.0000, 0.0000], [0.4600, 0.0000, 0.0000, ..., 0.0000, 0.0000, 0.0000], ..., [0.4000, 0.0000, 1.0000, ..., 0.0000, 0.0000, 0.0000], [0.9600, 1.0000, 0.0000, ..., 0.0000, 0.0000, 0.0000], [0.4400, 0.0000, 1.0000, ..., 0.0000, 0.0000, 0.0000]])