Elliot:一个全面而严格的可复制推荐系统评估框架
@第{条Anelli2021ElliotAC, title={Elliot:可复制推荐系统评估的全面而严格的框架}, 作者={维托·沃尔特·阿内利(Vito Walter Anelli)、亚历杭德罗·贝洛金(Alejandro Bellog’in)、安东尼奥·费拉拉(Antonio Ferrara)、丹尼尔·马利斯塔(Daniele Maliesta)、费利斯·安东尼奥·梅拉(Felice Antonio Merra)、克劳迪奥·波莫(Claudio Po, journal={第44届国际ACM SIGIR信息检索研究与开发会议论文集}, 年份={2021}, 网址={ https://api.semanticscholar.org/CorpusID:232105109 } }
82引文
BARS:为推荐系统建立开放基准
2022
V-Elliot:设计、评估和调整视觉推荐系统
2021
我们要从这里走到哪里? 离线推荐者评估指南
2022
揭示Top-N度量对推荐系统优化的潜在影响
2024
EasyStudy:在推荐系统上轻松部署用户研究的框架
2023
RecStudio:走向高度模块化的推荐系统
2023
推荐系统中的组验证:多层绩效评估框架
2024
iRec:一个交互式推荐框架
2022
116参考文献
我们在严格评估吗? 可复制评估和公平比较的基准建议
2020
OpenRec:可扩展和自适应推荐算法的模块化框架
2018
RecBole:建立统一、全面和高效的推荐算法框架
2021
重新思考推荐者研究生态系统:再现性、开放性和LensKit
2011