GRecX: 高效统一的图推荐框架再度升级, 深度优化基准推荐算法

嘿，记得给“ 机器学习与推荐算法 ”添加 星标

---

GRecX是基于tf_geometric框架的GNN-based的开源推荐算法框架，致力于构建高效统一易扩展的GNN-based推荐算法基准（Benchmark）库。GRecX实现了MF算法作为基础推荐算法，并实现现有最有效的且最有影响力的GNN-based推荐算法作为基准算法，如NGCF、LightGCN等。通过深度优化GRecX框架的内核，我们大幅度缩短了模型训练时间，有效提升了基准推荐算法性能。

GRecX的arxiv链接： https://arxiv.org/pdf/2111.10342.pdf

GRecX的github项目链接： https://github.com/maenzhier/GRecX

tf_geometric项目链接： https://github.com/CrawlScript/tf_geometric

主要内容

我们这次升级GRecX框架，主要是添加了基准算法demo，更新了基准算法的结果和优化框架内核代码。

现在的实验结果如下(NGCF和LightGCN均使用三层GNN架构)。注意，由于一些推荐算法需要依赖较好的超参（如L2正则参数）和技巧（如dropout）才能发挥出较好的效果，GRecX中一些算法的结果（例如MF）可能会远高于已有文献中所给出的结果（例如GRecX的MF的性能比一些文献中所给出的MF的性能高出40%）。在开发GRecX时，我们发现仅为MF寻找超参和技巧就需要耗费大量的时间，甚至需要借助暴力搜索。因此，对于NGCF、LightGCN等结构较复杂的模型，其性能可能仍有提升的空间，欢迎各位来贡献更好的超参和技巧以构建更好的Benchmark。

主要实验结果

GRecX框架实现的demo列表如下：

• Matrix Factorization（MF）
• MLP+MF
• NGCF
• LightGCN
• UltraGCN

重构和优化的框架核心模块：

1. grecx.datasets模块： 统一现有的GNN-based推荐算法常用数据集，并提供方便的接口供用户调用。
2. grecx.model模块：实现并优化了现有的GNN-based推荐算法模型，如NGCF、LightGCN等推荐算法，供用户方便使用
3. grecx.evaluation模块： 实现常用的推荐评价指标，如NDCG，并进行深度优化，大大缩短了算法评价时间。

附用户使用讨论群：

欢迎干货投稿 \ 论文宣传 \ 合作交流

推荐阅读

华为、人大、清华和港中文联合发布推荐系统的Benchmarking

基于Pytorch的开源推荐算法库

RecNN | 基于强化学习的新闻推荐系统框架

由于公众号试行乱序推送，您可能不再准时收到机器学习与推荐算法的推送。为了第一时间收到本号的干货内容， 请将本号设为星标，以及常点文末右下角的“在看”。

喜欢的话点个在看吧👇