易用又强大的推荐算法框架伯乐(RecBole)又双叒叕发布新版本啦！
在伯乐1.0的基础上，本次更新我们推出RecBole2.0，包括 8 个最新扩展包！覆盖从数据到模型多个推荐系统最新的主题和方向！为推荐系统多个领域的研究提供易用又强大的工具库！
作为一个拥有从数据处理、模型开发、算法训练到科学评测的一站式全流程托管框架，伯乐从第一天正式发布起，截至今天，已经正式发布运营了约19个月。在此期间，社区活跃度稳定持续上升，用户数量不断增长，我们的 github repro 已经获得了1.9k个star和364个fork。在此基础上，我们团队不断对其进行扩展和更新，从数据和模型两个角度进行扩展，针对不同的研究方向，今天RecBole推出八个扩展工具包：
X
面向数据，我们关注三个重要的研究课题：数据稀疏性、数据偏差和数据分布偏移，针对这三个数据问题，我们开发了五个基准工具包，分别对应元学习(RecBole-MetaRec)，数据增强(RecBole-DA)，去偏(RecBole-Debias)，公平性(RecBole-FairRec)和跨域推荐(RecBole-CDR)。
面向模型，我们考虑为基于新兴的模型架构的推荐算法提供更多支持，开发了两个基准工具包，分别为基于transformer的模型(RecBole-TRM)和基于图神经网络的模型(RecBole-GNN)，除此之外，我们针对人岗匹配开发了一个应用工具包(RecBole-PJF)。
此次发布我们共开发完成了65个推荐系统模型，并全部提供了相对应的数据、模型和评测等接口，对于伯乐而言是一次极大的扩展。经过此次扩展，伯乐成为了更加全面的推荐系统算法库，共覆盖130+推荐系统模型和11个不同的任务。
相关文章
