软件学报

作者：王晨阳，任一，马为之，张敏，刘奕群，马少平

单位：王晨阳，清华大学计算机科学与技术系, 北京 100084;北京信息科学与技术国家研究中心 清华大学, 北京 10008411,任一，清华大学计算机科学与技术系, 北京 100084;北京信息科学与技术国家研究中心 清华大学, 北京 10008402,马为之，清华大学计算机科学与技术系, 北京 100084;北京信息科学与技术国家研究中心 清华大学, 北京 10008403,张敏，清华大学计算机科学与技术系, 北京 100084;北京信息科学与技术国家研究中心 清华大学, 北京 10008404,刘奕群，清华大学计算机科学与技术系, 北京 100084;北京信息科学与技术国家研究中心 清华大学, 北京 10008405,马少平，清华大学计算机科学与技术系, 北京 100084;北京信息科学与技术国家研究中心 清华大学, 北京 10008406

关键词：推荐系统;深度学习;可复现性;推荐算法框架;软件工具包

基金：国家重点研发计划(2018YFC0831900);国家自然科学基金(61672311,61532011,62002191);清华大学国强研究院资助

近年来,各种各样的推荐算法层出不穷,特别是深度学习的发展,极大地推动了推荐系统的研究.然而,各个推荐算法在实现细节、评价方式、数据集处理等方面存在众多差异,越来越多的研究者开始对推荐领域的可复现性产生担忧.为了帮助缓解上述问题,基于PyTorch实现了一个综合、高效、易扩展的轻量级推荐算法框架ReChorus,意为构建一个推荐算法的“合唱团”.ReChorus框架中实现了多种不同类型的推荐算法,类别涵盖常规推荐、序列推荐、引入知识图谱的推荐、引入时间动态性的推荐等;同时,对于一些常见的数据集也提供统一的预处理范式.相比其他推荐系统库,ReChorus在保证综合高效的基础上尽可能做到了轻量实用,同时具有较高的可扩展性,尤其以方便学术研究为导向,非常容易上手实现新的模型.不同的推荐算法在ReChorus框架中能够在相同的实验设定下进行训练和评测,从而实现推荐算法间的有效对比.该项目目前已在GitHub发布:https://github.com/THUwangcy/ReChorus.

来源：2022年第4期

《软件学报》期刊编辑部

查看软件学报杂志2022年第4期