search

lulu0913 / VRKG4Rec

This is the PyTorch Implementation for our model VRKG4Rec (WSDM'23)
19 stars 1 forks source link

在论文对比实验中KGIN的参数 #4

Closed newfsyyy closed 1 year ago

newfsyyy commented 1 year ago

你好，请问KGIN的实验是如何进行的，我采用了MCCLK论文中固定采样方式8：2分别生成训练集和测试集，我的随机数种子为2023，然后进行训练，其中epoch设置为1000，batch为1024，dim为64，lr为1e-4，test_batch 128这些参数我没有改动，在多轮训练中RKG4Rec在Recall@20中能到达接近30%多的性能，但KGIN我尝试多个参数，在100次的epoch的Recall@20中总是维持在10%-12%之间，甚至会出现性能下降，我很想知道如何进行基线的实验，非常感谢

lulu0913 commented 1 year ago

请问您用的是不是我们开源的数据集

newfsyyy commented 1 year ago

请问您用的是不是我们开源的数据集

你好，我是用的该论文代码提供的开源数据集，一共两个（movie和last-fm），其中movie直接提供了从rating_final中采取80%训练数据train.pkl，后面为了能够使用不同的负采样方式的论文做对比，我根据8：2比例重新从论文提供的源数据ratings_final划分出训练集，当然这也造成了一些问题，比如有个用户历史记录为空，但我训练后也能达到论文的性能，但是基线性能就无法达到，因为设备计算能力有限，训练是在个人pc上完成的，所以很想请教一下参数的设置，非常感谢

lulu0913 commented 1 year ago

对KGIN的复现我们用的是KGIN论文中提供的训练参数，没有做改变，具体参数设定您可以参考KGIN论文的附录部分。其中seed设定为2020

newfsyyy commented 1 year ago

对KGIN的复现我们用的是KGIN论文中提供的训练参数，没有做改变，具体参数设定您可以参考KGIN论文的附录部分。其中seed设定为2020

你好，谢谢您的帮助，我已经找到问题原因