SESREC SIGIR 2023

Ketika Pencarian Memenuhi Rekomendasi: Mempelajari Representasi Pencarian yang Terurai untuk Rekomendasi

Ini adalah implementasi resmi dari makalah SIGIR 2023 "Ketika Pencarian Memenuhi Rekomendasi: Mempelajari Representasi Pencarian Terurai untuk Rekomendasi" berdasarkan PyTorch.

[arXiv] [Perpustakaan Digital ACM]

Berita:

• [29/06/2023] Baru-baru ini, kami merilis kumpulan data publik pertama yang berisi perilaku pencarian dan rekomendasi pengguna yang sebenarnya untuk memfasilitasi penelitian potensial! Anda dapat menemukan kumpulan datanya dari https://kuaisar.github.io/.

Ringkasan

Implementasi utama SESRec dapat ditemukan di file models/SESRec.py . Arsitektur SESRec ditunjukkan pada gambar berikut:

Pertanyaan Penelitian

Kami telah menyimpulkan beberapa pertanyaan umum di file FAQ.md

Reproduksi

Periksa petunjuk berikut untuk mereproduksi eksperimen.

Pengaturan Eksperimental

Semua pengaturan hyper-parameter SESRec pada kedua dataset dapat ditemukan di file config/SESRec_commercial.yaml dan config/SESRec_amazon.yaml . Pengaturan dua dataset dapat ditemukan di file config/const.py .

Kumpulan data

Karena kumpulan data Kuaishou adalah kumpulan data industri berpemilik, di sini kami merilis data siap pakai dari kumpulan data Amazon (Kindle Store). Data siap pakai dapat diunduh dari tautan.

Mulai Cepat

1. Unduh datanya

Unduh dan unzip data dari tautan ini. Tempatkan file data pada folder data .

2. Memenuhi persyaratan

Eksperimen kami dilakukan dengan paket python berikut:

 python==3.8.13
torch==1.9.0
numpy==1.23.2
pandas==1.4.4
scikit-learn==1.1.2
tqdm==4.64.0
PyYAML==6.0

3. Latih dan evaluasi model kita:

Jalankan kode di baris perintah:

python3 main.py --name SESRec --workspace ./workspace/SESRec --gpu_id 0  --epochs 30 --model SESRec  --batch_size 256 --dataset_name amazon

4. Periksa proses pelatihan dan evaluasi:

Setelah pelatihan, periksa file log, misalnya workspace/SESRec/log/default.log .

Lingkungan

Kami melakukan percobaan berdasarkan lingkungan berikut:

• Versi CUDA: 11.1
• OS: CentOS Linux rilis 7.4.1708 (Inti)
• GPU: GPU NVIDIA® T4
• CPU: CPU Intel(R) Xeon(R) Emas 6230R @ 2,10GHz

Kutipan

Silakan kutip makalah kami jika Anda menggunakan repositori ini.

 @inproceedings{si2023SESRec,
author = {Si, Zihua and Sun, Zhongxiang and Zhang, Xiao and Xu, Jun and Zang, Xiaoxue and Song, Yang and Gai, Kun and Wen, Ji-Rong},
title = {When Search Meets Recommendation: Learning Disentangled Search Representation for Recommendation},
year = {2023},
isbn = {9781450394086},
publisher = {Association for Computing Machinery},
address = {New York, NY, USA},
url = {https://doi.org/10.1145/3539618.3591786},
doi = {10.1145/3539618.3591786},
booktitle = {Proceedings of the 46th International ACM SIGIR Conference on Research and Development in Information Retrieval},
pages = {1313–1323},
numpages = {11},
keywords = {search, contrastive learning, disentanglement learning, recommendation},
location = {Taipei, Taiwan},
series = {SIGIR '23}
}

Kontak

Jika Anda memiliki pertanyaan, jangan ragu untuk menghubungi kami melalui email [email protected] atau masalah GitHub. Terima kasih!