AutoML 在推荐系统中的潜力
信息检索
2024-02-08 v1 机器学习
摘要
自动机器学习（AutoML）极大地推动了机器学习（ML）的应用，包括模型压缩、机器翻译和计算机视觉。推荐系统（RecSys）可以被视为机器学习的一个应用。然而，AutoML 在 RecSys 社区中鲜受关注，RecSys 在 AutoML 社区中也没有引起显著关注。目前仅有少数且相对简单的自动推荐系统（AutoRecSys）库采用了 AutoML 技术。不过，这些库基于学生项目，不具备 AutoML 库所提供的特性和完善的开发程度。我们旨在确定 AutoML 库在缺乏经验的用户想要实现推荐系统的场景下的表现。我们在 14 个显式反馈 RecSys 数据集上，比较了来自 15 个库的 60 种 AutoML、AutoRecSys、ML 和 RecSys 算法（包括一个均值预测基线）的预测性能。为了模拟缺乏经验的用户的视角，这些算法均使用默认超参数进行评估。我们发现 AutoML 和 AutoRecSys 库表现最佳。AutoML 库在 14 个数据集中的 6 个（43%）上表现最佳，但表现最佳的 AutoML 库并不总是同一个。表现单最佳的库是 AutoRecSys 库 Auto-Surprise，它在 5 个数据集（36%）上表现最佳。在 3 个数据集（21%）上，AutoML 库表现不佳，而使用默认参数的 RecSys 库表现最佳。尽管 RecSys 算法在每个数据集的前五名中占据了 50% 的席位，但其平均表现落后于 AutoML。ML 算法总体表现最差。
引用
@article{arxiv.2402.04453,
title = {The Potential of AutoML for Recommender Systems},
author = {Tobias Vente and Joeran Beel},
journal= {arXiv preprint arXiv:2402.04453},
year = {2024}
}