RecBole推荐系统思维导图

RecBole推荐系统思维导图

基本介绍

RecBole 伯乐，由中国人民大学的AI Box团队与北京邮电大学、华东师范大学的科研团队联合开发

一个易用、强大的PyTorch推荐系统开源库

该框架实现了推荐领域不同任务的推荐模型，拥有从数据处理、模型开发、算法训练到科学评测的一站式全流程托管

在RecBole框架中，用户只需设置几个简单的配置参数（文件、命令行、运行时参数多种方式任你选择）即可快速在不同数据集上实现各个模型，同时其简洁的开发接口十分方便相关的研究人员进行二次开发和添加新的模型支持

主要功能

53种模型（绝大部分为最新的深度学习模型）

27个数据集合（涵盖了四种任务下最常用的实验数据集合）

多种评测方式（涵盖所有主流的评测方式，支持一键设置）

自动调参（内嵌实用超参搜索算法，支持灵活设置范围）

五大核心特色

基于PyTorch的统一模型框架

高度灵活及拓展性强的数据结构

丰富的模型和数据集

基于GPU加速的高效评测

标准且丰富的评测方式

基础教程

安装

RecBole作为基于Python的开源库，与我们最常用的库一样提供Conda、Pip、源代码三种安装方式，同时支持Linux和Windows的运行平台

pandas封装数据在学术界做做研究可以，工业界随便哪个公司的数据量pandas都撑不起来

一键运行

在Github提供了一键运行的脚本，如果你选择从源码安装，则可以直接调用

评测

RecBole提供了丰富的API，设计了 EvalSetting 类，并提供了方便的 API 实现统一的评测设置

自动调参

本框架内嵌了一个自动调参工具，可以完美支持在各个模型上的超参搜索，在设定搜索范围之后一键即可自动实现参数寻找和保存