SESREC SIGIR 2023下載 - SESREC SIGIR 2023原始碼下載

SESREC SIGIR 2023

其他源碼

1.0.0

下載

當搜尋遇到推薦時：學習推薦的解開搜尋表示

這是 SIGIR 2023 論文《When Search MeetsRecommendation: Learning Disentangled Search Representation forRecommendation》基於 PyTorch 的官方實作。

[arXiv] [ACM 數位圖書館]

訊息：

[2023.06.29]最近，我們發布了第一個包含用戶真實搜尋和推薦行為的公開資料集，以方便潛在的研究！您可以從 https://kuaisar.github.io/ 找到該資料集。

概述

SESRec 的主要實作可以在檔案models/SESRec.py中找到。 SESRec的架構如下圖所示：

研究問題

我們在FAQ.md文件中總結了一些常見問題。

生殖

檢查以下說明以重現實驗。

實驗設定

兩個資料集上 SESRec 的所有超參數設定都可以在檔案config/SESRec_commercial.yaml和config/SESRec_amazon.yaml中找到。兩個資料集的設定可以在檔案config/const.py中找到。

數據集

由於快手資料集是專有的工業資料集，這裡我們發布了亞馬遜（Kindle Store）資料集的即用型資料。可以從連結下載現成的資料。

快速入門

1.下載數據

從此鏈接下載並解壓縮資料。將資料檔案放入資料夾data中。

2、滿足要求

我們的實驗是使用以下 python 套件完成的：

 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. 訓練和評估我們的模型：

在命令列中運行程式碼：

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

4. 檢查訓練和評估流程：

訓練後，檢查日誌文件，例如， workspace/SESRec/log/default.log 。

環境

我們基於以下環境進行了實驗：

CUDA版本：11.1
作業系統：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

如果您使用此存儲庫，請引用我們的論文。

 @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}
}