NineRec：用于评估可迁移推荐的基准数据集套件
信息检索
2024-03-19 v3
摘要
大型基础模型通过上游预训练与下游微调，凭借提升的模型性能以及重复工程的显著减少，在广泛的人工智能领域取得了巨大成功。相比之下，推荐系统领域中可迁移的一统模型（称为 TransRec）进展有限。TransRec 的发展遭遇多重挑战，其中缺乏大规模、高质量的迁移学习推荐数据集与基准套件是最大障碍之一。为此，我们引入 NineRec，一个 TransRec 数据集套件，包含一个大规模源域推荐数据集与九个多样的目标域推荐数据集。NineRec 中每个物品都附有描述性文本与高分辨率封面图像。借助 NineRec，我们得以通过学习原始多模态特征而非仅依赖预提取的即用特征来实现 TransRec 模型。最后，我们利用若干经典网络架构给出鲁棒的 TransRec 基准结果，为该领域提供有价值的见解。为促进进一步研究，我们将在 https://github.com/westlake-repl/NineRec 发布代码、数据集、基准与排行榜。
引用
@article{arxiv.2309.07705,
title = {NineRec: A Benchmark Dataset Suite for Evaluating Transferable Recommendation},
author = {Jiaqi Zhang and Yu Cheng and Yongxin Ni and Yunzhu Pan and Zheng Yuan and Junchen Fu and Youhua Li and Jie Wang and Fajie Yuan},
journal= {arXiv preprint arXiv:2309.07705},
year = {2024}
}