RecBole 2.0：面向更前沿的推荐库
信息检索
2022-06-17 v2
摘要
为支持对推荐系统近期进展的研究，本文提出一个扩展推荐库，包含面向前沿主题与架构的八个包。首先，从数据视角，我们考虑与数据问题相关的三个重要主题（即稀疏性、偏差与分布偏移），并相应开发五个包：元学习、数据增强、去偏、公平性与跨域推荐。此外，从模型视角，我们分别开发基于Transformer与图神经网络（GNN）的两个基准包。所有包（包含65个新模型）基于流行推荐框架RecBole开发，确保实现与接口统一。每个包均提供从数据加载、实验设置、评估到算法实现的完整实现。该库为便利推荐系统前沿研究提供宝贵资源。项目发布于：https://github.com/RUCAIBox/RecBole2.0。
引用
@article{arxiv.2206.07351,
title = {RecBole 2.0: Towards a More Up-to-Date Recommendation Library},
author = {Wayne Xin Zhao and Yupeng Hou and Xingyu Pan and Chen Yang and Zeyu Zhang and Zihan Lin and Jingsen Zhang and Shuqing Bian and Jiakai Tang and Wenqi Sun and Yushuo Chen and Lanling Xu and Gaowei Zhang and Zhen Tian and Changxin Tian and Shanlei Mu and Xinyan Fan and Xu Chen and Ji-Rong Wen},
journal= {arXiv preprint arXiv:2206.07351},
year = {2022}
}
备注
A new version of recommendation toolkit -- RecBole