评估 RecBole 和 LensKit 中 itemKNN 的性能偏差

该研究评估了 ItemKNN 算法在 RecBole 和 LensKit 推荐系统库中的性能，使用 Anime、Modcloth、ML-100K 和 ML-1M 四个数据集，主要关注归一化折现累积增益（nDCG），结果表明在 ML-100K 数据集上，RecBole 的 nDCG 比 LensKit 高 18％，精确度高 14％，召回率低 35％，并且修改相似度矩阵计算后两库的 nDCG 值几乎相同。

本研究提出了一种新的扩展最近邻搜索的方法，通过对抗性训练任务来保证准确性。实验证明该方法在淘宝广告平台上有效，带来了可观的收入增长。

准确性对抗性训练收入增长最近邻搜索淘宝广告平台