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
2023-04-18 14:53:14 时间
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:
- 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。
- 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
- 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。
相关文章
- LeetCode笔记:Biweekly Contest 66
- pycharm如何创建项目
- LeetCode笔记:Weekly Contest 269
- vite的项目,使用 rollup 打包的方法
- 芯片巨头正在偷偷研发这些新AI技术,不比拍照有意思
- 斑马识别成狗,AI犯错的原因被斯坦福找到了
- Python3+Django2配置后台管理
- 隐藏与显示macos桌面文件
- (win环境)使用Electron打造一个桌面应用翻译小工具
- PhantomJS这几项功能你用过吗?
- php文件怎么在手机上打开
- 层层推进!Kubernetes 网络原理图解,我用这招!
- 这几年落地的DDD,都是智商税和大忽悠?
- 自己实现一个自定义React项目脚手架「ReactCli」
- 手把手教你实现一个图片压缩工具(Vue与Node的完美配合)
- 研发受阻?苹果绕不过的5G坎
- c++大作业–学籍管理系统–
- 智能运维行业乱象:估值虚高、上市受阻、裁员频现
- 我在鹅厂淘到了一波“炼丹神器”,开发者快打包
- AVC1与H264的差别