GenRec¶
生成式推荐模型库。
概述¶
GenRec 是一个基于 PyTorch 的框架，提供生成式推荐模型的统一实现。框架采用干净的代码架构、基于 Gin-config 的实验管理，支持多种数据集和模型。
核心特性¶
- 7 种模型: SASRec、HSTU、RQVAE、TIGER、LCRec、COBRA、NoteLLM
- 多数据集: Amazon 2014（Beauty、Sports、Toys、Clothing）和 Amazon 2023（32 个类别）
- Gin-Config: 灵活的实验配置和参数覆盖
- W&B 集成: 基于 Weights & Biases 的实验跟踪
- 可复现: 统一的 Recall@K 和 NDCG@K 评估指标
支持的模型¶
| 模型 | 类型 | 描述 |
|---|---|---|
| SASRec | 基线 | 自注意力序列推荐 |
| HSTU | 基线 | 层次化序列转换单元 |
| RQVAE | 生成式 | 残差量化 VAE，用于生成语义 ID |
| TIGER | 生成式 | 基于 Trie 约束解码的生成式检索 |
| LCRec | 生成式 | 基于 LLM 的协同语义推荐 |
| COBRA | 生成式 | 级联稀疏-稠密表示 |
| NoteLLM | 生成式 | 可检索的 LLM 笔记推荐（实验性） |
快速开始¶
# 安装
git clone https://github.com/phonism/genrec.git
cd genrec
pip install -e .
# 训练 SASRec（Amazon Beauty）
python genrec/trainers/sasrec_trainer.py config/sasrec/amazon.gin --split beauty
# 训练 TIGER（需要先训练 RQVAE）
python genrec/trainers/rqvae_trainer.py config/tiger/amazon/rqvae.gin --split beauty
python genrec/trainers/tiger_trainer.py config/tiger/amazon/tiger.gin --split beauty
项目结构¶
genrec/
├── genrec/
│ ├── models/ # SASRec, HSTU, RQVAE, TIGER, LCRec, COBRA, NoteLLM
│ ├── trainers/ # 每个模型的训练脚本
│ ├── modules/ # Transformer、嵌入层、指标、损失函数等
│ └── data/ # Amazon 2014 & 2023 数据集实现
├── config/ # Gin 配置文件
│ ├── sasrec/ # SASRec 配置
│ ├── hstu/ # HSTU 配置
│ ├── tiger/ # TIGER 配置（amazon/、amazon2023/）
│ ├── lcrec/ # LCRec 配置（amazon/、amazon2023/）
│ └── cobra/ # COBRA 配置
├── scripts/ # 工具脚本
└── docs/ # 文档（中英双语）
基准结果¶
完整基准表格请参见 README，涵盖 Amazon 2014 和 Amazon 2023 数据集。
贡献¶
欢迎提交 Issue 和 Pull Request！请参考贡献指南。
许可证¶
本项目采用 MIT 许可证。详见 LICENSE 文件。