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。
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。
GRecX框架实现的demo列表如下:
华为、人大、清华和港中文联合发布推荐系统的Benchmarking
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”。