RecBole 包含百余种经典推荐模型,满足多种科研需求。
在目前的最新版伯乐中,我们实现了 general recommendation, sequential recommendation, context-aware recommendation 和 knowledge-based recommendation 四类共 91 种模型。此外,基于伯乐框架开发的八个工具包实现了 65 个推荐系统模型。
我们在下表中总结了基于伯乐实现的百余种模型的信息。
请注意:
1、由于有些模型没有公开源码,我们开发人员基于对于模型的理解进行了实现,这可能会造成与原始作者的实现略有出入。
2、对于不同的模型,我们目前的调参或者训练方法可能不是最合适的方式。
针对这两种情况,如有发现问题,请原始作者或者使用者联系我们,我们会在第一时间进行沟通和改进。
我们在大,中,小三种不同规模的数据集上对RecBole中模型的运行时间和内存占用情况进行了基本的测试,你可以点击下面的链接来获取详细信息。
请注意:我们的测试结果只是基于RecBole上的模型实现,给出的一个近似的时间和内存开销估计(基于我们的硬件设备)。关于模型实现和测试如果有任何建议或意见,请告知我们。 我们也会持续优化我们的模型实现,并更新这些测试结果。