論文の概要: ReChorus2.0: A Modular and Task-Flexible Recommendation Library
- arxiv url: http://arxiv.org/abs/2405.18058v1
- Date: Tue, 28 May 2024 11:14:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-10 23:33:17.891919
- Title: ReChorus2.0: A Modular and Task-Flexible Recommendation Library
- Title（参考訳）: ReChorus2.0: モジュール的でタスクフレキシブルなレコメンデーションライブラリ
- Authors: Jiayu Li, Hanyu Li, Zhiyu He, Weizhi Ma, Peijie Sun, Min Zhang, Shaoping Ma,
- Abstract要約: ReChorusは、レコメンデーション研究者のためのモジュール的でタスクフレキシブルなライブラリである。
ReChorusは、より多くのデータ型でよりレコメンデーションタスクを実現するのに役立つ。
- 参考スコア（独自算出の注目度）: 31.28528661684178
- License:
- Abstract: With the applications of recommendation systems rapidly expanding, an increasing number of studies have focused on every aspect of recommender systems with different data inputs, models, and task settings. Therefore, a flexible library is needed to help researchers implement the experimental strategies they require. Existing open libraries for recommendation scenarios have enabled reproducing various recommendation methods and provided standard implementations. However, these libraries often impose certain restrictions on data and seldom support the same model to perform different tasks and input formats, limiting users from customized explorations. To fill the gap, we propose ReChorus2.0, a modular and task-flexible library for recommendation researchers. Based on ReChorus, we upgrade the supported input formats, models, and training&evaluation strategies to help realize more recommendation tasks with more data types. The main contributions of ReChorus2.0 include: (1) Realization of complex and practical tasks, including reranking and CTR prediction tasks; (2) Inclusion of various context-aware and rerank recommenders; (3) Extension of existing and new models to support different tasks with the same models; (4) Support of highly-customized input with impression logs, negative items, or click labels, as well as user, item, and situation contexts. To summarize, ReChorus2.0 serves as a comprehensive and flexible library better aligning with the practical problems in the recommendation scenario and catering to more diverse research needs. The implementation and detailed tutorials of ReChorus2.0 can be found at https://github.com/THUwangcy/ReChorus.
- Abstract（参考訳）: 推薦システムの応用が急速に拡大するにつれて、様々なデータ入力、モデル、タスク設定を持つレコメンデーションシステムのあらゆる側面に焦点を当てる研究が増えている。
そのため、研究者が必要とする実験戦略の実装を支援するために、柔軟なライブラリが必要である。
既存のレコメンデーションシナリオ用のオープンライブラリは、様々なレコメンデーションメソッドの再現を可能にし、標準実装を提供している。
しかし、これらのライブラリはデータに一定の制限を課すことが多く、異なるタスクや入力フォーマットを実行するために同じモデルをサポートすることはめったにない。
このギャップを埋めるために、リコメンデーション研究者のためのモジュール的でタスクフレキシブルなライブラリReChorus2.0を提案する。
ReChorusに基づいて、サポートする入力フォーマット、モデル、トレーニングおよび評価戦略をアップグレードし、より多くのデータ型でよりレコメンデーションタスクを実現するのに役立ちます。
ReChorus2.0の主な貢献は、(1)リランクとCTR予測タスクを含む複雑で実用的なタスクの実現、(2)様々なコンテキスト認識とリランクレコメンデータの包含、(3)同一モデルで異なるタスクをサポートするための既存および新しいモデルの拡張、(4)印象ログ、負の項目、クリックラベルを含む高度にカスタマイズされた入力のサポート。
要約すると、ReChorus2.0は、レコメンデーションシナリオの実践的な問題と、より多様な研究ニーズに対応するために、包括的で柔軟なライブラリとして機能する。
ReChorus2.0の実装と詳細なチュートリアルはhttps://github.com/THUwangcy/ReChorusにある。
関連論文リスト
- EasyRL4Rec: An Easy-to-use Library for Reinforcement Learning Based Recommender Systems [18.22130279210423]
我々は、RLベースのRS用に特別に設計された、使いやすいコードライブラリであるEasyRL4Recを紹介する。
このライブラリは5つのパブリックデータセットに基づいた軽量で多様なRL環境を提供する。
EasyRL4Recは、RLベースのRSのドメインにおけるモデル開発と実験プロセスの促進を目指している。
論文 参考訳（メタデータ） (2024-02-23T07:54:26Z) - Ada-Retrieval: An Adaptive Multi-Round Retrieval Paradigm for Sequential
Recommendations [50.03560306423678]
本稿では,レコメンダシステムのための適応型マルチラウンド検索パラダイムであるAda-Retrievalを提案する。
Ada-Retrievalは、ユーザー表現を反復的に洗練し、全項目領域の潜在的な候補をよりよく捉えます。
論文 参考訳（メタデータ） (2024-01-12T15:26:40Z) - Incorporating Relevance Feedback for Information-Seeking Retrieval using
Few-Shot Document Re-Ranking [56.80065604034095]
我々は,クエリとユーザが関連すると考えるドキュメントとの類似性に基づいて,文書を再参照するkNNアプローチを提案する。
異なる統合戦略を評価するため、既存の4つの情報検索データセットを関連フィードバックシナリオに変換する。
論文 参考訳（メタデータ） (2022-10-19T16:19:37Z) - RGRecSys: A Toolkit for Robustness Evaluation of Recommender Systems [100.54655931138444]
複数の次元を包含するレコメンダシステムに対して,ロバスト性に関するより包括的視点を提案する。
本稿では、RecSys用のロバストネス評価ツールキットRobustness Gymを紹介し、リコメンダシステムモデルのロバストネスを迅速かつ均一に評価できるようにする。
論文 参考訳（メタデータ） (2022-01-12T10:32:53Z) - CSSR: A Context-Aware Sequential Software Service Recommendation Model [4.306391411024746]
ユーザが適切なリポジトリをGitHubで見つけるのに役立つ新しいソフトウェアサービスレコメンデーションモデルを提案する。
我々のモデルはまず,リポジトリのリッチなコンテキスト情報を活用するために,新しいコンテキスト依存のリポジトリグラフ埋め込み法を設計する。
そして、ソフトウェアサービスレコメンデーション分野において、初めてユーザー-リポジトリ間のインタラクションのシーケンス情報を活用する。
論文 参考訳（メタデータ） (2021-12-20T03:17:42Z) - Self-Supervised Reinforcement Learning for Recommender Systems [77.38665506495553]
逐次リコメンデーションタスクのための自己指導型強化学習を提案する。
提案手法は,2つの出力層を持つ標準レコメンデーションモデルを強化する。
このようなアプローチに基づいて、自己監督型Q-ラーニング(SQN)と自己監督型アクター・クライブ(SAC)という2つのフレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-10T11:18:57Z) - Req2Lib: A Semantic Neural Model for Software Library Recommendation [8.713783358744166]
我々はReq2Libと呼ばれる新しいニューラルアプローチを提案し、プロジェクトの要件を記述したライブラリを推奨する。
本研究では,自然言語における要求記述の関連情報と意味情報の学習にシーケンス・ツー・シーケンスモデルを用いる。
我々の予備評価は、Req2Libがライブラリを正確に推奨できることを示しています。
論文 参考訳（メタデータ） (2020-05-24T14:37:07Z) - Controllable Multi-Interest Framework for Recommendation [64.30030600415654]
我々はレコメンデータシステムを逐次レコメンデーション問題として定式化する。
我々は,ComiRec と呼ばれる連続的なレコメンデーションのための新しい制御可能な多目的フレームワークを提案する。
私たちのフレームワークは、オフラインのAlibaba分散クラウドプラットフォームにうまくデプロイされています。
論文 参考訳（メタデータ） (2020-05-19T10:18:43Z) - Rich-Item Recommendations for Rich-Users: Exploiting Dynamic and Static
Side Information [20.176329366180934]
ユーザや推奨項目が複数のエンティティタイプを持つリッチなデータ構造であるレコメンデーションシステムの問題について検討する。
我々は、現代の現実世界のレコメンデーションの複雑さを捉えた問題に対する一般的な定式化を提供する。
本稿では,我々の定式化とMEDRESアーキテクチャの2つの実世界のケーススタディを示す。
論文 参考訳（メタデータ） (2020-01-28T17:53:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。