RecBole

伯乐,一个统一、全面、高效的推荐系统代码库


  安  装   快速开始 数据集 arXiv 伯乐2.0 超参数
通用和可扩展的数据结构

我们设计了通用和可扩展的数据结构来支持各种推荐数据集统一化格式和使用。

全面的基准模型和数据集

我们实现了百余种常用的推荐算法,并提供了28个推荐数据集的格式化副本。

大规模的标准评测

我们支持一系列被广泛认可的评估方式来测试和比较不同的推荐算法。





RecBole 是一个基于 PyTorch 实现的,面向研究者的,易于开发与复现的,统一、全面、高效的推荐系统代码库,它可以通过 pip, conda 和源文件三种途径安装,使用简单便捷。
详情见 【 安装RecBole 】



我们实现了百余种推荐系统模型,涵盖 RecBole 的四种常见推荐系统类别和 RecBole2.0 的八个基准工具包,包括: 通用推荐、 序列推荐、 基于内容的推荐、 基于知识的推荐、 元学习、 数据增强、 去偏、 公平性、 跨域推荐、 基于Transformer的模型、 基于图神经网络的模型 和人岗匹配。 详情见【 模型列表 】



我们约定了一个统一、易用的数据文件格式,并已支持 28 个 benchmark dataset。用户可以选择使用我们的数据集预处理脚本,或直接下载已被处理好的数据集文件。
详情见【 数据集列表 】



在伯乐框架的基础上,我们针对不同的研究方向,从数据和模型两个角度进行扩展和更新,在 2.0 版本中推出八个扩展工具包。作为一个拥有从数据处理、模型开发、算法训练到科学评测的一站式全流程托管框架,伯乐共有 11 个相关的 GitHub 项目,详情见【 伯乐2.0 】



RecBole面向研究者,免费提供给高校、师生、和任何推荐领域的爱好者。我们会提供定期的维护、更新。同时我们欢迎有意向的人员加入我们, 让我们一起构建更加美好的推荐系统开源社区!详情见【 关于 】





“世有伯乐,然后有千里马。千里马常有,而伯乐不常有。”——韩愈《马说》