BPR

MF-BPR

1. 论文

BPR: Bayesian Personalized Ranking from Implicit Feedback

创新：提出对损失函数

2. 实验数据集

采用ml-1m数据集进行测试，将其处理为用户序列。数据集的处理见utils文件。

4. 模型API

class BPR(Model):
    def __init__(self, feature_columns, mode='inner', embed_reg=1e-6):
        """
        BPR
        :param feature_columns: A list. user feature columns + item feature columns
        :mode: A string. 'inner' or 'dist'.
        :param embed_reg: A scalar.  The regularizer of embedding.
        """

5. 实验超参数

• file：ml-1m文件；
• trans_score：阈值，1；
• test_neg_num：测试集物品数量，100；
• embed_dim：embedding维度，32；
• mode：尝试采用不同的计算相似度的形式，inner product或dist欧式距离，inner；
• embed_reg：embedding正则化参数，1e-6；
• K：top@k，10；
• learning_rate：学习率，0.001；
• batch_size：512；
• epoch：20；

6. 实验结果

采用ml-1m数据集数据，最终测试集的评估结果为：

• 采用inner：HR = 0.5349, NDCG = 0.2792
• 采用dist：HR = 0.4575, NDCG = 0.2311