RecBole
RecBole copied to clipboard
RUCAIBox
A unified, comprehensive and efficient recommendation library
如题，GNN相关的内容虽然提供了pytorch的实现但是效率实在是不高，涉及到超大矩阵乘法的相关问题，请问dgl能和bole结合使用吗？如果可以，有类似的案例代码吗？ 万分感谢！
您好，想问下recbole随机划分数据集为测试、训练、验证集的依据是什么？这样随机划分会不会造成代码得出的结果不好复现的问题？是否可以采用交叉验证的方式？随机划分是否合理？或者有没有随机划分对模型效果合理性的相关解释? 谢谢您，最近深受这个问题困惑
Hi, First of all let me thank you for such a great library. I really like it! But I still have some problem(s): **Describe the bug** I tried to train...
Hi I have been working on recommendation systems project. We found this library to be very useful. I have tried using this library on a subset of data, and most...
您好，我的需求是根据根据用户和项目维度来划分数据集。 这里存在一个归纳场景，即模型测试时出现训练时未出现的交互或用户/项目。前者我认为是可以在bole框架内实现的，但后者似乎没法做到。 更具体来说，假设我有1000个用户，1000个项目，我希望训练集中的交互能够仅是前900个用户或者前900个项目上的交互，而测试集上可以包括最后100个用户上的交互，要实现我这样的需求，在bole框架预设的内容内部有操作的方式吗？如果没有，这样的自定义需求可以在哪里实现呢？ 期待您的回复！
**Describe the bug** Training MovieLens-100K on algorithms DiffRec and LDiffRec crashes with exception "RuntimeError: shape mismatch: value tensor of shape [4040, 4040] cannot be broadcast to indexing result of shape...
目前在跑baseline---**DuoRec**，按照recbole的**Customize Models**指南以及作者相应的源码，实现了`class DuoRec(SequentialRecommender)`（主要是DuoRec模型定义以及配置文件这两部分）。但是运行 `python run_baseline.py --model DuoRec -d my_dataset --config_files=props/finetune.yaml` 其中`run_baseline`的实现与https://recbole.io/docs/developer_guide/customize_models.html 的 `python run.py --embedding_size=64`实现类似。 产生了下列报错： `Traceback (most recent call last): File "/home/xiaolongtao/UniSRec/run_baseline.py", line 83, in baseline_func(model=args.model, dataset=args.dataset, config_file_list=config_file_list) File...
### Description: Based on the SINE [paper](https://arxiv.org/pdf/2102.09267.pdf), in the attention weighting part, they added the trainable positional embeddings to the input embeddings so that the model can use item position...
**描述这个 bug** 利用自定义数据集跑GRU4Rec模型报错无timestamp序列，但已经在.yaml文件中load_col:指定了timestamp列且自定义数据集中存在timestamp **如何复现** 复现这个 bug 的步骤： 1. 您引入的额外 yaml 文件 # model config embedding_size: 32 # dataset config field_separator: "\t" #指定数据集field的分隔符 seq_separator: " " #指定数据集中token_seq或者float_seq域里的分隔符 USER_ID_FIELD: user_id #指定用户id域 ITEM_ID_FIELD:...
你好，我想咨询一下关于自定义数据集的link文件的内容，是否只满足item_id与entity_id一 一对应即可，而不需要在link文件中考虑user_id与entity_id的对应关系。如果是这样生成，导致最终识别的item和entity内容和数量完全一致，会对结果造成什么影响？
