【标题】RecSim: A Configurable Simulation Platform for Recommender Systems

【研究团队】Martin Mladenov, Research Scientist, Chih-wei Hsu, Google Research, Software Engineer

【资源链接】https://ai.googleblog.com/2019/11/recsim-configurable-simulation-platform.html

【发表时间】2019.11

【推荐理由】

RecSim是一个用于推荐系统中辅助RL算法学习的可配置仿真平台。RecSim允许研究者和从业者在人为设定的推荐配置中测试RL方法的限制，可支持对于从真实推荐系统中提取而来的用户行为的特定方面的模拟仿真，用户可在其中调整环境来开发、测试和比较模型和算法（尤其是针对序列用户系统交互的RL算法）。研究者已将RecSim用于推荐系统中的数个利用RL算法进行研究的关键问题，如候选推荐带来的RL问题等等。对于算法性能、稳定性、泛化性等方面RecSim都有简洁、易行的模拟和测试。

由于开发含有极多的交互序列特性的算法和模型具有很大难度，针对交互序列的集成交互推荐系统(CIR)的应用受到了限制。RecSim就是为了解决此种困难被开发出来的，它可：1. 辅助RL和推荐系统的交叉研究；2. 增强可复现性和模型共享；3. 帮助对于将RL应用于在模拟环境中快速测试和改进模型的推荐系统从业者进行研究；4. 通过发布"真实的"用户行为模型来促进学术-工业合作研究，而不泄露任何用户数据或敏感产业策略。

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