SimpleX：一种简单且强大的协同过滤基线模型
信息检索
2023-12-01 v3 人工智能
摘要
协同过滤（CF）是推荐系统中一个被广泛研究的研究课题。CF 模型的学习通常依赖于三个主要组成部分，即交互编码器、损失函数和负采样。虽然许多现有研究侧重于设计更强大的交互编码器，但损失函数和负采样率的影响尚未得到充分探索。在这项工作中，我们证明了损失函数的选择以及负采样率同样重要。更具体地说，我们提出了余弦对比损失（CCL），并将其进一步整合到一个简单的统一 CF 模型中，称为 SimpleX。我们在 11 个基准数据集上进行了广泛的实验，并与总共 29 个现有的 CF 模型进行了比较。令人惊讶的是，结果表明，在我们的 CCL 损失和大的负采样率下，SimpleX 可以大幅超越大多数最先进的复杂模型（例如，在 NDCG@20 指标上比 LightGCN 最大提升 48.5%）。我们相信，SimpleX 不仅可以作为一个简单而强大的基线来促进未来对 CF 的研究，而且还能为改进损失函数和负采样这一潜在研究方向提供启示。我们的源代码将在 https://reczoo.github.io/SimpleX 上发布。
引用
@article{arxiv.2109.12613,
title = {SimpleX: A Simple and Strong Baseline for Collaborative Filtering},
author = {Kelong Mao and Jieming Zhu and Jinpeng Wang and Quanyu Dai and Zhenhua Dong and Xi Xiao and Xiuqiang He},
journal= {arXiv preprint arXiv:2109.12613},
year = {2023}
}
备注
Accepted by CIKM 2021. Code available at https://reczoo.github.io/SimpleX