代码疑惑

[Pttery]

`def get_user_seqs(data_file):
lines = open(data_file).readlines()
user_seq = []
item_set = set()
for line in lines:
user, items = line.strip().split(' ', 1)
items = items.split(' ')
items = [int(item) for item in items]
user_seq.append(items)
item_set = item_set | set(items)
max_item = max(item_set)

num_users = len(lines)
num_items = max_item + 2

valid_rating_matrix = generate_rating_matrix_valid(user_seq, num_users, num_items)
test_rating_matrix = generate_rating_matrix_test(user_seq, num_users, num_items)
return user_seq, max_item, valid_rating_matrix, test_rating_matrix

`
请问作者我在看代码时发现num_items = max_item +2,但是数据集中item的id是以1为开头的，我的理解这个num_items应该是与max_items相等的，但是代码却+2，是我忽略了什么吗？能否请作者解释一下，十分感谢

[KingGugu]

感谢你的关注和提问。这里的写法其实是为了在创建稀疏矩阵时产生bug。

以Beauty数据集为例，因为item的id是从1开始的，所以12101个item的id就是1到12101，但矩阵的索引是从0开始的，那么索引就会是0到12100，这样就会产生bug。基于此，你可以尝试把+2换成+1，程序是可以正常运行的，加别的大于1的数导致矩阵shape增加不会产生影响，如果去掉+2，就会产生ValueError: column index exceeds matrix dimensions的报错。另外，如果在处理数据集时，使item的id从0开始，那么这里就不需要+1或+2。

后面在初始化embdding时，num_items需要+1或+2也是同理。因为dataloader的getitem方法进行索引时，索引也会从0开始，如果在初始化之前不加的话，训练就会有类似的索引越界的报错。

如果还有问题，欢迎提出。

[KingGugu]

这个issue将会被关闭，如果你有其它问题，欢迎创建新的issue。