RecBaselines2023：选择推荐模型基准的新数据集
摘要：基于现有的推荐模型，论文提出了新的方法，并与已有的基准模型进行了比较。由于推荐模型的数量庞大，难以确定在文章中选择哪些算法。为了解决这个问题，我们收集并发布了一个数据集，其中包含有关903篇论文中使用的推荐模型的信息，既作为基准模型，也作为新方法。这个数据集可以被看作是一种典型的包含论文和以前提出的模型之间相互作用的数据集。此外，我们对数据集进行了描述性分析，并强调了可能需要用数据来进行研究的挑战。此外，我们使用了一种成熟的方法来构建在该数据集下效果良好的推荐算法，并进行了广泛的实验。我们的实验表明，选择最佳的基准模型来提出新的推荐方法可以被认为是现有最先进的协同过滤模型并成功解决的。最后，我们讨论了限制和未来的工作。
作者：Veronika Ivanova, Oleg Lashinin, Marina Ananyeva and Sergey Kolesnikov
论文ID：2306.14292
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-06-27