导读

是否还在为推荐模型无法复现而怀疑人生？
是否还在为不知如何入门推荐而踌躇不前？
是否还在为数据处理纷繁复杂而不知所措？

 

赶紧来看看这个的推荐算法框架吧！

 

 

 

RecBole （中文名称："伯乐"，意取"世有伯乐，然后有千里马"），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出品，并于今年8月被CIKM 2021 Resource Track 接收。


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。此框架目前已经开源了代码和相应论文。

 

话不多说，直接来看功能！我们支持：

  • 73种模型（绝大部分为最新的深度学习模型）

  • 28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）

这个工具包可以满足大部分推荐相关的科研需求。

 

截止2021年9月，我们的项目已经在GitHub平台上收获了1.3k star和 206 个fork，并解决了153个issue。"伯乐"开发团队将承诺持续开发维护，保持版本稳定，同时不断规划更多实用、强大的功能。 

        

论文地址：https://arxiv.org/abs/2011.01731

项目主页地址：https://recbole.io

项目Github地址：https://github.com/RUCAIBox/RecBole

项目交流邮件组：recbole@outlook.com

公众号推文原文：https://mp.weixin.qq.com/s/rdps-Y6Aiwb98QRZUF6j7Q

 

 

 

 

 

 

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除