
摘要
通过结合文献中的简单元素,我们定义了一个适用于稀疏数据的线性模型,特别是推荐系统中的隐式反馈数据。我们证明了该模型的训练目标具有闭式解,并讨论了由此产生的理论见解。令人惊讶的是,这个简单的模型在大多数我们实验中使用的公开数据集上,其排名准确性超过了包括深度非线性模型在内的多种最先进的协同过滤方法。
代码仓库
Darel13712/ease_rec
GitHub 中提及
recsys-benchmark/daisyrec-v2.0
pytorch
GitHub 中提及
AmazingDD/daisyRec
pytorch
GitHub 中提及
glami/sansa
GitHub 中提及
PreferredAI/cornac
tf
GitHub 中提及
jvbalen/autoencoders_cf
pytorch
GitHub 中提及
AhmadRK94/NeuEASE
pytorch
GitHub 中提及
franckjay/TorchEASE
pytorch
GitHub 中提及
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| collaborative-filtering-on-million-song | EASE | Recall@20: 0.333 Recall@50: 0.428 nDCG@100: 0.389 |
| collaborative-filtering-on-movielens-20m | EASE | Recall@20: 0.391 Recall@50: 0.521 nDCG@100: 0.420 |
| collaborative-filtering-on-netflix | EASE | Recall@20: 0.362 Recall@50: 0.445 nDCG@100: 0.393 |