譯者 | 汪昊

審校 | 重樓

推薦系統(tǒng)自 1992 年基于用戶的協(xié)同過濾算法誕生以來，經(jīng)歷了一波又一波的革新大潮，發(fā)展至今，已經(jīng)形成了一套體系完善，理論嚴(yán)密的技術(shù)領(lǐng)域。隨著越來越多的基于深度學(xué)習(xí)的推薦系統(tǒng)模型誕生，該領(lǐng)域關(guān)于準(zhǔn)確率的追求似乎已經(jīng)不再吸引人們的眼球。相反，越來越多的人開始關(guān)注其他熱點(diǎn)技術(shù)，比如大模型算法。

2023 年，來自澳大利亞 RMIT 大學(xué)的 Yueqing Xuan 等研究人員在 arXiv 上公布了一篇題為 More Is Less: When Do Recommenders Underperform for Data-rich Users? 的論文，指出推薦系統(tǒng)未必?cái)?shù)據(jù)越多效果越好。這和最近熱潮的大模型 Scaling Law 之類的理論形成了鮮明對(duì)比。下面，我們帶領(lǐng)讀者對(duì)該篇論文的理論和實(shí)驗(yàn)一探究竟。

因?yàn)檫@篇論文主要通過實(shí)驗(yàn)來檢驗(yàn)數(shù)據(jù)量和對(duì)應(yīng)算法的效果的對(duì)比情況。我們先來了解一下實(shí)驗(yàn)中用到的數(shù)據(jù)和算法。在實(shí)驗(yàn)中，我們用到了如下數(shù)據(jù)集合：

在這個(gè)表格中，|U| 代表用戶數(shù)，|I| 代表物品數(shù)，|K| 代表評(píng)分?jǐn)?shù)量。作者在實(shí)驗(yàn)中用到的都是推薦系統(tǒng)領(lǐng)域經(jīng)常用到的開源數(shù)據(jù)集合。

作者在實(shí)驗(yàn)中主要檢測(cè)了如下算法：ItemKNN , Bayesian Personalised Ranking (BPR)  , Multi-Variational Auto-encoder (Mult-VAE) , Neural Matrix Factorization (NeuMF) , Light Graph Convolution Network (LightGCN) 和 ADMMSLIM 。 作者使用了開源推薦系統(tǒng)算法庫 RecBole 進(jìn)行對(duì)比實(shí)驗(yàn)。

作者按照用戶交互數(shù)據(jù)的豐富程度，把輸入數(shù)據(jù)分成了十份，然后按照八二比率把數(shù)據(jù)切分成了訓(xùn)練集和測(cè)試集。例如，MovieLens 1 M的數(shù)據(jù)集合的劃分如下圖所示：

作者在 Pinterest 數(shù)據(jù)集合上進(jìn)行了對(duì)比測(cè)試：

作者隨后也在 MovieLens 1M 數(shù)據(jù)集合上進(jìn)行了評(píng)測(cè)，得到了下圖：

通過進(jìn)行大量的類比實(shí)驗(yàn)和結(jié)果可視化，作者得出了以下結(jié)論：在所有數(shù)據(jù)集上，交互豐富的數(shù)據(jù)類型的精確度（Precision）比其他組要高；Mean Average Precision 指標(biāo)在各個(gè)群組卻沒有太大的區(qū)分度；而對(duì)于召回率（Recall）來說，數(shù)據(jù)越豐富，算法表現(xiàn)卻越差。

這篇論文的作者沒有用到任何高深的數(shù)學(xué)知識(shí)或者工具，只是利用最普通的數(shù)據(jù)分析的方法對(duì)算法的結(jié)果進(jìn)行統(tǒng)計(jì)并用最簡(jiǎn)單的圖形圖像工具進(jìn)行可視化，從而得到了推薦系統(tǒng)不是數(shù)據(jù)越多越好的重要結(jié)論，值得推薦系統(tǒng)從業(yè)者認(rèn)真學(xué)習(xí)。

我們?cè)诨ヂ?lián)網(wǎng)行業(yè)從事算法相關(guān)的工作的時(shí)候，除了完成公司制定的 KPI / OKR 指標(biāo)之外，還應(yīng)該靜下心來思考算法的理論基礎(chǔ)和復(fù)雜模型背后的原理。這樣才能從各個(gè)方面深入的理解算法，從而有助于我們?cè)O(shè)計(jì)出更加優(yōu)秀的技術(shù)作品，既滿足了工作的需要，也能在學(xué)術(shù)上給相關(guān)領(lǐng)域帶來推動(dòng)作用。

譯者簡(jiǎn)介

汪昊，前達(dá)評(píng)奇智董事長(zhǎng)兼創(chuàng)始人。前 FunPlus 人工智能實(shí)驗(yàn)室負(fù)責(zé)人。在 ThoughtWorks, 百度，聯(lián)想，網(wǎng)易和 FunPlus 等科技公司有超過 13 年的技術(shù)和技術(shù)管理經(jīng)驗(yàn)。精通推薦系統(tǒng)、金融風(fēng)控、爬蟲和聊天機(jī)器人等領(lǐng)域。在國(guó)際學(xué)術(shù)會(huì)議和期刊發(fā)表論文 44 篇。5 次獲得國(guó)際學(xué)術(shù)會(huì)議最佳論文獎(jiǎng)和最佳論文報(bào)告獎(jiǎng)。2006 年 ACM/ICPC 北美落基山區(qū)域賽金牌。2004 年全國(guó)大學(xué)生英語能力競(jìng)賽口語總決賽銅牌。本科（2008年）和碩士（2010年）畢業(yè)于美國(guó)猶他大學(xué)。對(duì)外經(jīng)貿(mào)大學(xué)（2016 年）在職 MBA 學(xué)位。