recsim

RecSim: Eine konfigurierbare Plattform zur Simulation von Empfehlungssystemen

RecSim ist eine konfigurierbare Plattform zum Erstellen von Simulationsumgebungen für Empfehlungssysteme (RSs), die natürlich die sequentielle Interaktion mit Benutzern unterstützt. RecSim ermöglicht die Erstellung neuer Umgebungen, die bestimmte Aspekte des Benutzerverhaltens und der Elementstruktur auf einer Abstraktionsebene widerspiegeln, die sich gut dazu eignet, die Grenzen aktueller Reinforcement Learning (RL)- und RS-Techniken bei sequentiellen interaktiven Empfehlungsproblemen zu erweitern. Es können problemlos Umgebungen konfiguriert werden, die unterschiedliche Annahmen über Folgendes berücksichtigen: Benutzerpräferenzen und Vertrautheit mit Elementen; Latentzustand des Benutzers und seine Dynamik; und Auswahlmodelle und anderes Benutzerreaktionsverhalten. Wir erläutern, welchen Mehrwert RecSim für RL- und RS-Forscher und Praktiker bietet und wie es als Vehikel für die akademisch-industrielle Zusammenarbeit dienen kann. Für eine detaillierte Beschreibung der RecSim-Architektur lesen Sie bitte Ie et al. Bitte zitieren Sie den Artikel, wenn Sie den Code aus diesem Repository in Ihrer Arbeit verwenden.

Bibtex

 @article{ie2019recsim,
    title={RecSim: A Configurable Simulation Platform for Recommender Systems},
    author={Eugene Ie and Chih-wei Hsu and Martin Mladenov and Vihan Jain and Sanmit Narvekar and Jing Wang and Rui Wu and Craig Boutilier},
    year={2019},
    eprint={1909.04847},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

Haftungsausschluss

Dies ist kein offiziell unterstütztes Google-Produkt.

Was ist neu

• 13.12.2019: (Abstrakte) Klassen für Mehrbenutzerumgebungen und Agenten hinzugefügt. Bandit-Algorithmen für verallgemeinerte lineare Modelle hinzugefügt.

Installation und Beispielnutzung

Es wird empfohlen, RecSim mit (https://pypi.org/project/recsim/) zu installieren:

pip install recsim

Die neueste Version von Dopamine ist jedoch seit Dezember 2019 nicht in PyPI enthalten. Wir möchten die neueste Version aus dem Dopamin-Repository wie folgt installieren, bevor wir RecSim installieren. Beachten Sie, dass Dopamin Tensorflow 1.15.0 erfordert, die letzte 1.x-Version einschließlich GPU-Unterstützung für Ubuntu und Windows.

 pip install git+https://github.com/google/dopamine.git

Hier sind einige Beispielbefehle, die Sie zum Testen der Installation verwenden können:

 git clone https://github.com/google-research/recsim
cd recsim/recsim
python main.py --logtostderr 
  --base_dir="/tmp/recsim/interest_exploration_full_slate_q" 
  --agent_name=full_slate_q 
  --environment_name=interest_exploration 
  --episode_log_file='episode_logs.tfrecord' 
  --gin_bindings=simulator.runner_lib.Runner.max_steps_per_episode=100 
  --gin_bindings=simulator.runner_lib.TrainRunner.num_iterations=10 
  --gin_bindings=simulator.runner_lib.TrainRunner.max_training_steps=100 
  --gin_bindings=simulator.runner_lib.EvalRunner.max_eval_episodes=5

Anschließend können Sie ein Tensorboard starten und die Ausgabe anzeigen

 tensorboard --logdir=/tmp/recsim/interest_exploration_full_slate_q/ --port=2222

Sie können die simulierten Protokolle auch in /tmp/recsim/episode_logs.tfrecord finden

Tutorials

Schauen Sie sich zunächst unsere Colab-Tutorials an. In RecSim: Übersicht geben wir einen kurzen Überblick über RecSim. Anschließend sprechen wir über jede konfigurierbare Komponente: Umgebung und Empfehlungsagent .

Dokumentation

Das High-Level-Design finden Sie im Whitepaper.