Demo end-to-end: lê um dataset TSV (formato heterogêneo descrito no README), insere as arestas com peso no grafo, treina embeddings LightGCN e imprime recomendações top-K para um perfil.
Uso
mix meli_graph.demo --data PATH --profile PROFILE_ID [opções]Opções
--data PATH— diretório com os TSVs (obrigatório)--profile ID— profile_id alvo da recomendação (obrigatório)--epochs N— épocas de treino (default 500)--top-k N— número de recomendações (default 20)--embedding-dim N— dimensão dos embeddings (default 64)--layers N— camadas LGC (default 3)--exclude-seen— filtra itens já interagidos (emula pipeline de feed)
Arquivos esperados em --data
users.tsv user_idx \t profile_id (com header)
items.tsv item_idx \t tipo \t db_id (com header)
interactions.tsv user_idx \t item_idx \t weight \t inserted_at (com header)Exemplo
mix meli_graph.demo \
--data /home/dede/pessoal/melivra/priv/lightgcn/data \
--profile 166