🍀루키비키자나 TVING 해커톤

Overview

추천 시스템은 사용자 이력을 바탕으로 사용자가 선호하는 아이템을 예측하나, 데이터 정보가 충분하지 않은 경우 적합한 추천을 하지 못하게 되는 이른바 cold start 문제가 발생합니다.

이러한 Cold Start Problem 중 신규 출시되어 인터렉션이 적은 아이템들의 Cold Start문제에 집중하여 item id embedding을 개선하는 3가지 방법론을 적용하였습니다.

🎉 결과 ppt

Contents

💾Dataset

🧐How to Use

📑Files & Parameters

🙌Team

💾 Dataset

Steam Games Review Dataset

• https://www.kaggle.com/datasets/fronkongames/steam-games-dataset/data
• https://github.com/kang205/SASRec

# Interaction: 14,529,074
# Users:       680,812
# Items:       37,141

🧐 How to Use

1. Steam 데이터셋을 다운받아 아래 폴더 구조처럼 압축해제

• inter.csv : [link]
• item.csv : [link]

datahub
└─ steam      
    ├─ inter.csv
    └─ item.csv

2. datahub/steam/steam_preprocessing.py 코드 전체 실행
3. datahub/steam/ 내에 emb_warm_split_preprocess.pkl 파일과 steam_data.pkl 파일 생성 확인
4. 터미널에서 run.sh 내 shell script 실행

실행 command

• 기본 실험 세팅 파라미터

python main.py --dataset_name steam --model_name deepfm  --warmup_model base --pretrain_model_path pretrain_backbones

python main.py --dataset_name steam --model_name deepfm  --warmup_model metaE  --pretrain_model_path pretrain_backbones

python main.py --dataset_name steam --model_name deepfm  --warmup_model mwuf --pretrain_model_path pretrain_backbones

python main.py --dataset_name steam --model_name deepfm  --warmup_model cvar --cvar_iters 10 --pretrain_model_path pretrain_backbones

• model 중 DeepFM만을 리팩토링하여 사용
• 기본 random seed는 1234
• 최종 결과는 --run 10으로 실행

실행 시 cold, warm a, warm b, warm c의 AUC / F1 Score를 출력합니다.

📑 Files & Parameters

Files

model/*: 다양한 backbone 모델의 구현

model/warm.py: 3가지 warm-up 모델의 구현

main.py: train, test 함수를 통해 실험 실행

pretrain_backbones/: backbone 모델의 pretrain 파라미터 pickle 파일이 저장되는 폴더

Parameters

본 프로젝트에서 사용한 코드를 기준으로 한 parameter 설명입니다.

Parameter	Options	Usage
--dataset_name	[steam]	Specify the dataset for evaluation
--model_name	[deepfm]	Specify the backbone for recommendation
--warmup_model	[base, mwuf, metaE, cvar_init, cvar]	Specify the warm-up method
--is_dropoutnet	[True, False]	Specify whether to use dropoutNet for backbone pretraining
--device	[cpu, cuda:0]	Specify the device (CPU or GPU) to run the program
--runs	default 1	Specify the number of executions to compute average metrics
--cvar_iters	default 10	iteration count of CVAR warm up model
--pretrain_model_path		Specify the path to store pretrained model's parameter pickle file

더 자세한 파라미터 설명 및 사용은 ./main.py 파일을 참고하세요.

🙌 Team

minhappy68

imnoans

eatingrabbit

hyeonjinha

hansg931

🔍 Citation

코드 baseline: by XuZhao ([email protected]) [link]

@inproceedings{zhao2022improving,
  title={Improving Item Cold-start Recommendation via Model-agnostic Conditional Variational Autoencoder},
  author={Xu Zhao and Yi Ren and Ying Du and Shenzheng Zhang and Nian Wang},
  booktitle={SIGIR},
  year={2022},
}