在大规模数据集上评估线性浅层自编码器

《ACM Transactions on Recommender Systems》：Evaluating Linear Shallow Autoencoders on Large Scale Datasets

浅层线性自编码器在推荐系统中表现优异，但扩展性受限。本文提出ELSAA和SANSA等可扩展变体，优化大型稀疏数据集处理能力，并分析数据稀疏性与目录规模对训练效率的影响。实验包含标准性能指标及工业关注的训练时间与内存消耗，为不同规模数据集选择合适模型提供指导。分隔符

　　

摘要

线性浅层自编码器由于结构简单且性能优异，在协同过滤基准测试中受到了广泛关注，这些基准测试用于推荐系统。然而，像EASE这样的模型在处理包含大量项目的数据集时存在扩展性不足的问题。本文通过评估几种可扩展的浅层线性自编码器变体（即最近提出的ELSA和SANSA）在代表实际应用的大规模数据集上的表现，解决了这一限制。我们还提出了进一步改进措施，以提高这些模型在大型、稀疏数据集上的扩展性。我们的评估不仅涵盖了标准的离线和在线性能指标，还考虑了训练时间和内存使用等关键工业因素。通过分析数据稀疏性和目录规模的影响，我们为选择适合特定数据集的模型提供了实用的建议。我们已将源代码、训练日志和详细实验说明发布在以下链接：https://github.com/recombee/SparseELSA。