SimpleX: 一个简单且有效的协同过滤框架

嘿，记得给“机器学习与推荐算法”添加星标

---

今天跟大家分享一篇发表在CIKM2021会议上的关于协同过滤框架的论文，该论文总结了一个简单且有效的CF框架，并探索了不同的损失函数以及负采样比率对最终推荐结果的影响。

论文：https://arxiv.org/abs/2109.12613
代码：https://github.com/xue-pai/TwinMatch/blob/master/deem/pytorch/models/SimpleX.py

众所周知，协同过滤（CF）已经成为了推荐系统领域中基础但非常重要的算法簇，以往的研究中侧重于设计全新的算法模块，比如结合多层感知机的NCF以及结合图神经网络的NGCF等。

本文中将协同过滤范式大致分为了三个组件，即交互编码器（Interaction encoder）、损失函数（Loss function）以及负采样（Negative sampling）组件，其中以往的研究侧重于开发和设计全新的交互编码器，而忽略了对于损失