生成对抗网络用于协同过滤的可复现性评估研究
信息检索
2024-06-26 v2 机器学习
摘要
本工作探究了CFGAN的可复现性。CFGAN及其模型族（TagRec、MTPR和CRGAN）利用历史交互，学习生成个性化且虚假但逼真的偏好排序以用于Top-N推荐。本工作成功复现了原论文发表的结果，并讨论了CFGAN框架与原评估中所用模型之间某些差异的影响。随机噪声的缺失以及使用真实用户画像作为条件向量，使生成器易于学习到退化解，即输出向量与输入向量相同，从而本质上表现为简单自编码器。本工作进一步扩展了实验分析，将CFGAN与一组简单且知名的经过恰当优化的基线进行比较，观察到尽管CFGAN计算成本高，却并未能持续具备竞争力。为确保这些分析的可复现性，本工作描述了实验方法并公开了所有数据集与源代码。
引用
@article{arxiv.2201.01815,
title = {An Evaluation Study of Generative Adversarial Networks for Collaborative Filtering},
author = {Fernando Benjamín Pérez Maurera and Maurizio Ferrari Dacrema and Paolo Cremonesi},
journal= {arXiv preprint arXiv:2201.01815},
year = {2024}
}