daisyRec

GitHub仓库大小 GitHub

概述

daisyRec是一个为top-N推荐任务基准测试而开发的Python工具包。DAISY代表推荐系统的多维公平比较。

下图展示了DaisyRec-v2.0的整体框架。

此仓库用于发布。如果您对我们的实验排名结果感兴趣，请查看此仓库文件。

我们非常感谢以下仓库帮助我们提高代码效率：

如何运行

确保您有CUDA环境以加速，因为深度学习模型可能基于此。

1. 通过pip安装

pip install daisyRec

2. 从GitHub克隆

git clone https://github.com/AmazingDD/daisyRec.git && cd daisyRec

示例代码列在run_examples中，尝试参考它们并了解如何使用daisy；您也可以将这些代码移至daisyRec/中实现。
test.py和tune.py的GUI命令生成器现已在此可用，它可以帮助您快速编写参数并运行公平比较实验。

生成的命令将如下所示：
```
python tune.py --param1=20 --param2=30 ....
python test.py --param1=20 --param2=30 ....
```
我们强烈建议您首先使用我们的GUI来实现代码！

文档

DaisyRec的文档可在此处获取，其中提供了所有参数的详细解释。

已实现算法

DaisyRec中的模型仅考虑<用户, 物品, 评分>三元组，因此FM相关模型将根据此进行专门化处理。以下是DaisyRec中已实现的算法。更多基准模型将在后续添加。

模型	发表文献
MostPop	推荐系统中流行度基准的重新审视
ItemKNN	基于物品的Top-N推荐算法
EASE	用于稀疏数据的极浅自编码器
PureSVD	通过矩阵补全的Top-n推荐系统
SLIM	SLIM：用于Top-N推荐系统的稀疏线性方法
MF	推荐系统中的矩阵分解技术
FM	因子分解机
NeuMF	神经协同过滤
NFM	用于稀疏预测分析的神经因子分解机
NGCF	神经图协同过滤
Multi-VAE	用于协同过滤的变分自编码器
Item2Vec	Item2vec：用于协同过滤的神经物品嵌入
LightGCN	LightGCN：简化和增强推荐的图卷积网络

数据集

您可以下载实验数据，并将它们放入data文件夹中。所有数据可在以下链接中获取：

引用

如果您在研究论文中以任何方式（如代码和排名结果）使用DaisyRec，请引用以下两篇论文：

@inproceedings{sun2020are,
  title={Are We Evaluating Rigorously? Benchmarking Recommendation for Reproducible Evaluation and Fair Comparison},
  author={Sun, Zhu and Yu, Di and Fang, Hui and Yang, Jie and Qu, Xinghua and Zhang, Jie and Geng, Cong},
  booktitle={Proceedings of the 14th ACM Conference on Recommender Systems},
  year={2020}
}

@article{sun2022daisyrec,
  标题={DaisyRec 2.0：用于严格评估的推荐系统基准测试},
  作者={孙竹 和 方辉 和 杨杰 和 曲兴华 和 刘宏阳 和 余迪 和 王有荣 和 张杰},
  期刊={arXiv预印本 arXiv:2206.10848},
  年份={2022}
}