search

zzhUSTC2016 / TIDE

15 stars 0 forks source link

关于DICE的实现 #3

Open zhw741852 opened 1 year ago

zhw741852 commented 1 year ago

DICE的实现中为什么interest建模是在O1(i的流行度大于j的流行度)上进行的，原论文在O2上进行(i的流行度小于j的流行度)

user_embedding = self.embed_user[user_O1, 0:DICE_size]
item_i_embedding = self.embed_item[item_i_O1, 0:DICE_size]
item_j_embedding = self.embed_item[item_j_O1, 0:DICE_size]
prediction_i = (user_embedding * item_i_embedding).sum(
    dim=-1)
prediction_j = (user_embedding * item_j_embedding).sum(
    dim=-1)
loss_interest = - \
    (prediction_i - prediction_j).sigmoid().log().sum()
zzhUSTC2016 commented 1 year ago

这里实现上确实出现了偏差，感谢指正！

zhw741852 commented 1 year ago

除此之外，loss_popularity_1和loss_popularity_2的计算是否也反了?

wisdomGEsLA commented 1 year ago

除此之外，loss_popularity_1和loss_popularity_2的计算是否也反了?

我之前也发现了这个问题，不过我把他修正了以后效果似乎没有多大偏差，所以就没管，您跑的结果怎样，我感觉不会影响很多

zhw741852 commented 1 year ago

除此之外，loss_popularity_1和loss_popularity_2的计算是否也反了?

我之前也发现了这个问题，不过我把他修正了以后效果似乎没有多大偏差，所以就没管，您跑的结果怎样，我感觉不会影响很多

我也没有多大偏差，甚至于修正了上述interest loss反而效果下降了

zhw741852 commented 1 year ago

如果你也在做相关推荐系统流行度的研究，可以加个联系方式互相学习

wisdomGEsLA commented 1 year ago

如果你也在做相关推荐系统流行度的研究，可以加个联系方式互相学习

好啊，如何联系？

zhw741852 commented 1 year ago

我也是，在Ciao上结果反而更差了些

如果你也在做相关推荐系统流行度的研究，可以加个联系方式互相学习

好啊，如何联系？

vx18516902057