SESREC SIGIR 2023下载 - SESREC SIGIR 2023源代码下载

SESREC SIGIR 2023

其他源码

1.0.0

下载

当搜索遇到推荐时：学习推荐的解开搜索表示

这是 SIGIR 2023 论文《When Search MeetsRecommendation: Learning Disentangled Search Representation forRecommendation》基于 PyTorch 的官方实现。

[arXiv] [ACM 数字图书馆]

消息：

[2023.06.29]最近，我们发布了第一个包含用户真实搜索和推荐行为的公共数据集，以方便潜在的研究！您可以从 https://kuaisar.github.io/ 找到该数据集。

概述

SESRec 的主要实现可以在文件models/SESRec.py中找到。 SESRec的架构如下图所示：

研究问题

我们在FAQ.md文件中总结了一些常见问题。

生殖

检查以下说明以重现实验。

实验设置

两个数据集上 SESRec 的所有超参数设置都可以在文件config/SESRec_commercial.yaml和config/SESRec_amazon.yaml中找到。两个数据集的设置可以在文件config/const.py中找到。

数据集

由于快手数据集是专有的工业数据集，这里我们发布了亚马逊（Kindle Store）数据集的即用型数据。可以从链接下载现成的数据。

快速入门

1.下载数据

从此链接下载并解压缩数据。将数据文件放入文件夹data中。

2、满足要求

我们的实验是使用以下 python 包完成的：

 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. 训练和评估我们的模型：

在命令行中运行代码：

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

4. 检查培训和评估流程：

训练后，检查日志文件，例如， workspace/SESRec/log/default.log 。

环境

我们基于以下环境进行了实验：

CUDA版本：11.1
操作系统：CentOS Linux 版本 7.4.1708（核心）
GPU：NVIDIA® T4 GPU
CPU：Intel(R) Xeon(R) Gold 6230R CPU @ 2.10GHz

引文

如果您使用此存储库，请引用我们的论文。

 @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}
}