推荐系统顶会 RecSys2019 最佳论文!《Are We Really Making Much Progress? A Worrying Analysis of Recent Neural Rec
推荐系统顶会 RecSys2019 最佳论文!《Are We Really Making Much Progress? A Worrying Analysis of Recent Neural Recommendation Approaches》
作者: 纪厚业 北京邮电大学
知乎专栏对公式支持较好, 见 https://zhuanlan.zhihu.com/c_1158788280744173568
个人公众号 图与推荐
本文发表在推荐系统顶会RecSys2019并获得了Best Paper。作者梳理实现了大量顶会推荐论文的代码(https://github.com/MaurizioFD/RecSys2019_DeepLearning_Evaluation)方便大家入门推荐系统。
1.引言.
推荐系统尤其是深度推荐系统在工业界得到的广泛的应用,相关论文也在各大顶会层出不穷。各种State-of-the-art的模型不断的刷新着记录。但是,这些模型的有效性并没有真正的得到验证。本文复现了近些年顶会的Top-N推荐的论文并进行了系统的分析。遗憾的是,顶会上的18种推荐算法只有7个可以合理的复现。一些算法甚至无法超过基于KNN的方法。这不禁使作者发出疑问:我们真的取得了大量的进步吗?
2.相关的论文、模型评价标准及基线算法
这里作者收集了18篇各大顶会论文,见Table 1.
3.模型验证
3.1Collaborative Memory Networks (CMN)
CMN是一种混合记忆网络和注意力机制的推荐模型,发表在SIGIR2018。作者复现了CMN并在三个数据集上进行了验证,结果如Table 2所示。
可以看出,CMN在大部分的情况下表现并不好,而UserKNN和ItemKNN表现强劲。
3.2 Metapath based Context for RECommendation (MCRec)
MCRec是北邮石川老师组发表在KDD2018的工作,是一种基于路径的异质图推荐算法。作者在MoiveLens100k比较了MCRec和相关baselines,具体结果见Table 3。
这里MCRec表现不错,但是仍然略差于ItemKNN。ItemKNN在设置了正确超参数的时候取得了最优效果。
3.3 Collaborative Variational Autoencoder (CVAE)
CVAE是一种混合了内容和评分的混合推荐模型,发表在KDD2018上。实验结果见Table 4。
3.4 Collaborative Deep Learning (CDL)
CDL是一篇早期的深度推荐算法(发表在KDD2015上),它混合了栈式降噪自编码器(SDAE)和协同滤波技术来进行推荐。CVAE和本文采用了同样的测评方法和数据集。
可以看出,随着list长度的增加,CDL效果逐渐超过一些baseline,但是和最佳baseline(ItemKNN-CBF)的差距依然较大。
3.5 Neural Collaborative Filtering (NCF)
本文由NUS的Xiangnan He发表在WWW2017上。NCF通过用神经网络来代替内积对矩阵分解进行了泛化,已经成为推荐领域的一个经典baseline。但是在本文的测评中,NCF的表现甚至不如PureSVD。具体测评结果见Table 6。
NCF的一作Xiangnan He老师也在知乎对本文的测评提出了异议(https://www.zhihu.com/question/336304380/answer/784976195)。
3.6 Spectral Collaborative Filtering (SpectralCF)
本文发表在RecSys2018上,作者从Spectral Graph Theory 的角度设计了一种新颖的卷积操作来解决推荐系统的cold-start问题。这里作者在MovieLens1M上对比了SpectralCF和一些baselines,具体结果见Table 7。
SpectralCF表现不是很好,大幅度超越SpectralCF取得了最优的效果。
3.7 Variational Autoencoders for Collaborative Filtering (Mult-VAE)
Mult-VAE是一种基于隐式反馈和VAE的协同过滤模型,发表在WWW2018上。测评结果见Table 8 和Table 9。
4.讨论
本文复现并分析了近些年各大顶会的18篇推荐论文。结果表明,仅仅有7篇论文可以复现,但是其效果并不一定比一些基础推荐算法好。这不禁让作者怀疑深度推荐系统这个领域是否真正的取得了进步。
5. 参考文献
[1] Travis Ebesu, Bin Shen, and Yi Fang. 2018. Collaborative Memory Network for Recommendation Systems. In Proceedings SIGIR ’18. 515–524.
[2] Xiangnan He, Lizi Liao, Hanwang Zhang, Liqiang Nie, Xia Hu, and Tat-Seng Chua. 2017. Neural collaborative fltering. In Proceedings WWW ’17. 173–182.
[3] Binbin Hu, Chuan Shi, Wayne Xin Zhao, and Philip S Yu. 2018. Leveraging meta-path based context for top-n recommendation with a neural co-attention model. In Proceedings KDD ’18. 1531–1540.
[4] Xiaopeng Li and James She. 2017. Collaborative variational autoencoder for recommender systems. In Proceedings KDD ’17. 305–314.
[5] Dawen Liang, Rahul G Krishnan, Matthew D Hofman, and Tony Jebara. 2018. Variational Autoencoders for Collaborative Filtering. In Proceedings WWW ’18. 689–698.
[6] Hao Wang, Naiyan Wang, and Dit-Yan Yeung. 2015. Collaborative deep learning for recommender systems. In Proceedings KDD ’15. 1235–1244.
[7] Lei Zheng, Chun-Ta Lu, Fei Jiang, Jiawei Zhang, and Philip S. Yu. 2018. Spectral Collaborative Filtering. In Proceedings RecSys ’18. 311–319.
[8] Yi Tay, Luu Anh Tuan, and Siu Cheung Hui. 2018. Multi-Pointer Co-Attention Networks for Recommendation. In Proceedings SIGKDD ’18. 2309–2318.
[9] Zhu Sun, Jie Yang, Jie Zhang, Alessandro Bozzon, Long-Kai Huang, and Chi Xu. 2018. Recurrent Knowledge Graph Embedding for Efective Recommendation. In Proceedings RecSys ’18. 297–305.
[10] Homanga Bharadhwaj, Homin Park, and Brian Y. Lim. 2018. RecGAN: Recurrent Generative Adversarial Networks for Recommendation Systems. In Proceedings RecSys ’18. 372–376.
[11] Noveen Sachdeva, Kartik Gupta, and Vikram Pudi. 2018. Attentive Neural Architecture Incorporating Song Features for Music Recommendation. In Proceedings RecSys ’18. 417–421.
[12] Trinh Xuan Tuan and Tu Minh Phuong. 2017. 3D Convolutional Networks for Session-based Recommendation with Content Features. In Proceedings RecSys ’17. 138–146.
[13] Donghyun Kim, Chanyoung Park, Jinoh Oh, Sungyoung Lee, and Hwanjo Yu. 2016. Convolutional Matrix Factorization for Document Context-Aware Recommendation. In Proceedings RecSys ’16. 233–240.
[14] Flavian Vasile, Elena Smirnova, and Alexis Conneau. 2016. Meta-Prod2Vec: Product Embeddings Using Side-Information for Recommendation. In Proceedings RecSys ’16. 225–232.
[15] Jarana Manotumruksa, Craig Macdonald, and Iadh Ounis. 2018. A Contextual Attention Recurrent Architecture for Context-Aware Venue Recommendation. In Proceedings SIGIR ’18. 555–564.
[16] Jingyuan Chen, Hanwang Zhang, Xiangnan He, Liqiang Nie, Wei Liu, and Tat-Seng Chua. 2017. Attentive collaborative fltering: Multimedia recommendation with item-and component-level attention. In Proceedings SIGIR ’17. 335–344.
[17] Yi Tay, Luu Anh Tuan, and Siu Cheung Hui. 2018. Latent relational metric learning via memory-based attention for collaborative ranking. In Proceedings WWW ’18. 729–739.
[18] Ali Mamdouh Elkahky, Yang Song, and Xiaodong He. 2015. A multi-view deep learning approach for cross domain user modeling in recommendation systems. In Proceedings WWW ’15. 278–288.
作者介绍:
纪厚业,北京邮电大学计算机科学与技术专业博士研究生。主要研究方向是异质图神经网络,异质图表示学习和推荐系统。
推荐系统顶会 RecSys2019 最佳论文!《Are We Really Making Much Progress? A Worrying Analysis of Recent Neural Rec相关推荐
- 超全!CS 顶会历届最佳论文大列表,机器学习、深度学习一应俱全!
点击上方"Datawhale",选择"星标"公众号 第一时间获取价值内容 工欲善其事必先利其器!今天给大家推荐一份非常棒的资源,该资源罗列收集了 CS 顶会历届 ...
- 53年来国内唯三,MindSpore加速昇腾芯片论文获国际顶会MICRO最佳论文提名
点击上方,选择星标或置顶,不定期资源大放送! 阅读大概需要10分钟 Follow小博主,每天更新前沿干货 "研究芯片光砸钱不行,要砸数学家.物理学家." 任正非今年5月在接受< ...
- 获国际架构顶会ATC2021最佳论文!Fuxi2.0去中心化的调度架构详解
简介: 近日,在国际体系架构顶会USENIX ATC2021上,阿里云飞天伏羲团队与香港中文大学合作的一篇论文<Scaling Large Production Clusters with Pa ...
- 最新!CCF-A类顶会WWW2020最佳论文出炉!OSU最佳论文
点击上方"迈微电子研发社",选择"星标★"公众号 重磅干货,第一时间送达 导读 CCF A类会议,国际万维网大会WWW 2020(International W ...
- GPT-3不算机器学习算法创新?2020年AI顶会最佳论文榜单引发激烈争论
贾浩楠 发自 凹非寺 量子位 报道 | 公众号 QbitAI 2020年的最后一天,来回顾一下今年所有AI顶会的最佳论文吧! 今年,顶会的最佳论文,既有ECCV的"2D变3D"的N ...
- 国内唯一ACL最佳论文得主冯洋:冲击最佳论文需要知道的事情
整理:Mr Bear 转载自:AI科技评论 在10月30日CCL2020的学生研讨会中,来自中科院计算所的冯洋研究员进行了<冲击最佳论文需要知道的事情>的报告. 在本次演讲中,冯洋老师分别 ...
- ECCV 2022开奖!清华、浙大校友斩获最佳论文奖
新智元报道 编辑:David 好困 [新智元导读]ECCV 2022各大奖项公布,最佳论文一.二作均为华人,本科来自清华.浙大. 10月23日,全球计算机视觉三大顶会之一,两年一届的欧洲计算机 ...
- RecSys 2019最佳论文:基于深度学习的推荐系统是否真的优于传统经典方法?
作者丨纪厚业 单位丨北京邮电大学博士生 研究方向丨异质图神经网络,异质图表示学习和推荐系统 本文发表在推荐系统顶会 RecSys 2019 并获得了 Best Paper.作者梳理实现了大量顶会推荐论 ...
- 清华芯片研究再获顶会MICRO加持:软件定义芯片团队出品,最佳论文提名后又一突破...
杨净 发自 凹非寺 量子位 报道 | 公众号 QbitAI 最近,第53届国际微架构大会(MICRO)在线上顺利召开. 作为计算机体系结构四大顶级会议,清华大学魏少军.刘雷波团队有两篇入选该会议论文 ...
最新文章
- 软件工程师到30岁就要转行?
- EventBus设计与实现分析——事件的发布
- 舞台现场直播技术实践
- 高质量C++/C编程指南 ver 1.0
- centOS7安装matlab2014a
- 飞书×帆软数知鸟 | 飞书上的一站式需求管理
- Flutter AnimatedWidget 实现动画的自动刷新
- B站推出“锤人类”作品试运行管理办法 将减少推荐争议视频
- 年轻人刚入社会就进厂打工不丢人
- java基础问题集锦一
- 【Swagger】Swagger 注解学习
- win2008服务器共享文件夹权限设置,win2008文件夹共享权限怎么设置
- 苹果无线网服务器改什么速度快,iPhone网速慢怎么办?苹果手机如何配置DNS?
- intel android 平板,IT百科之英特尔芯平板
- 吉他谱Guitar pro是什么软件及功能作用介绍
- 【Jmeter 简单使用】
- Hadoop官网翻译 (HDFS命令)
- Java实现银行卡号校验
- DJ1 计算机系统概述
- [游戏技术]求生之路服务器参数配置
热门文章
- FutureTask原理解析-java多线程(实现并行计算)
- Android中的OKHttp请求网络
- 2020证券从业资格网课百度云_2020证券从业资格证视频百度网盘:金融市场基础知识...
- 文字超出显示....
- unicode 与UTF8
- 为啥苹果鼠标反人类? 一周外设要闻回顾
- 计算机网络技术第四版王协瑞答案,计算机网络技术 王协瑞
- JsonObject和JsonArray的使用
- mybatis-generator插件执行报错:Cannot resolve classpath entry
- 文昌帝君阴骘文(原文+译文)