DataRec: 一个用于推荐系统中标准化和可复现数据管理的 Python 库
信息检索
2025-04-08 v2
摘要
推荐系统在多个领域已展现出显著影响，但确保实验结果的可复现性仍是一个持久的挑战。主要障碍在于预处理阶段采用的碎片化且往往不透明的数据管理策略，其中关于数据集选择、过滤和分割的决策可能会显著影响结果。为解决这些局限性，我们引入了DataRec，一个专门设计用于统一和简化推荐系统研究中数据处理的基于Python的开源库。通过提供可复现的数据集准备、数据版本控制例程以及与其他框架的无缝集成，DataRec促进了方法论的标准化、互操作性和不同实验设置之间的可比性。我们的设计基于对55项最先进推荐研究的深入审查，确保DataRec采用最佳实践，同时解决数据管理中的常见陷阱。最终，我们的贡献促进了公平的基准测试，增强了可复现性，并在更广泛的推荐系统社区中培养了对实验结果的更大信任。DataRec库、文档和示例可在 https://github.com/sisinflab/DataRec 免费获取。
引用
@article{arxiv.2410.22972,
title = {DataRec: A Python Library for Standardized and Reproducible Data Management in Recommender Systems},
author = {Alberto Carlo Maria Mancino and Salvatore Bufi and Angela Di Fazio and Antonio Ferrara and Daniele Malitesta and Claudio Pomo and Tommaso Di Noia},
journal= {arXiv preprint arXiv:2410.22972},
year = {2025}
}