SSLRec：一种用于推荐的自监督学习框架
信息检索
2024-01-31 v3 人工智能
摘要
自监督学习（SSL）近年来作为解决推荐系统中稀疏与噪声数据挑战的方案而受到显著关注。尽管为在各种推荐场景（如图协同过滤、序列推荐、社交推荐、知识图谱增强推荐）提供最先进性能而设计的 SSL 算法日益增多，仍缺乏将不同领域推荐算法统一起来的框架。此类框架可作为自监督推荐算法的基石，统一现有方法的验证并推动新方法的的设计。为弥补这一空白，我们引入 SSLRec，一个新颖的基准平台，为评估各类 SSL 增强推荐器提供标准化、灵活且全面的框架。SSLRec 框架具有模块化架构，使用户能轻松评估最先进模型，并配备一套完整的数据增强与自监督工具包，以帮助构建满足特定需求的 SSL 推荐模型。此外，SSLRec 简化了以一致且公平的设置训练和评估不同推荐模型的过程。我们的 SSLRec 平台涵盖了不同场景下全面的最先进 SSL 增强推荐模型，使研究者能够评估这些前沿模型并推动该领域的进一步创新。我们实现的 SSLRec 框架可在源代码仓库 https://github.com/HKUDS/SSLRec 获取。
引用
@article{arxiv.2308.05697,
title = {SSLRec: A Self-Supervised Learning Framework for Recommendation},
author = {Xubin Ren and Lianghao Xia and Yuhao Yang and Wei Wei and Tianle Wang and Xuheng Cai and Chao Huang},
journal= {arXiv preprint arXiv:2308.05697},
year = {2024}
}
备注
Published as a WSDM'24 full paper (oral presentation)