GRecX：一种高效统一的基于GNN的推荐基准
信息检索
2022-02-23 v3 机器学习
摘要
本文中，我们提出GRecX，一个开源的TensorFlow框架，用于以高效且统一的方式对基于GNN的推荐模型进行基准测试。GRecX由用于构建基于GNN的推荐基准的核心库，以及流行的基于GNN的推荐模型的实现组成。核心库提供构建高效且统一基准的基本组件，包括FastMetrics(高效指标计算库)、VectorSearch(面向稠密向量的高效相似度搜索库)、BatchEval(高效小批量评估库)和DataManager(统一数据集管理库)。特别地，为不同复杂基于GNN的推荐模型提供公平比较的统一基准，我们设计了一种新指标GRMF-X并将其集成到FastMetrics组件中。基于TensorFlow GNN库tf_geometric，GRecX精心实现了多种流行的基于GNN的推荐模型。我们仔细实现这些基线模型以复现文献中报道的性能，且我们的实现通常更高效且友好。总之，GRecX使用户能够以高效且统一的方式训练和基准测试基于GNN的推荐基线。我们使用GRecX进行实验，实验结果表明GRecX允许我们以高效且统一的方式训练和基准测试基于GNN的推荐基线。GRecX的源代码可在 https://github.com/maenzhier/GRecX 获取。
引用
@article{arxiv.2111.10342,
title = {GRecX: An Efficient and Unified Benchmark for GNN-based Recommendation},
author = {Desheng Cai and Jun Hu and Quan Zhao and Shengsheng Qian and Quan Fang and Changsheng Xu},
journal= {arXiv preprint arXiv:2111.10342},
year = {2022}
}