arXiv cs.AI· Cong Wang, Shoujin Wang, Yishuo Li, Qi Zhang, Liang Hu, Wenpeng Lu·· 3 天前AI 评分24
Eval4DiRec：面向扩散模型推荐系统的统一系统化评估框架
Eval4DiRec: A Unified and Systematic Evaluation Framework for Diffusion-based Recommender Systems
AI 导读
Eval4DiRec 是首个专为扩散模型推荐系统设计的统一开源评估框架，支持 5 种推荐场景下的 14 个代表性扩散推荐模型，提供一致可复现的实验设置。基于该框架的大规模基准测试揭示了扩散模型在推荐任务上的强劲潜力，同时暴露了显著影响性能的关键因素与实际挑战。该工作已被 ACM TKDD 接收，代码与数据已公开。
正文 · AI 翻译
摘要：借助扩散模型强大的生成能力和稳定的训练动态，基于扩散的推荐系统（RSs）近来作为一种新颖的推荐范式出现，日益受到学术界和工业界的关注。然而，尽管基于扩散的推荐系统发展迅速，一个关键问题也随之浮现：缺乏统一且系统的定量评估基准，这往往导致实验结果无法复现，并且由于数据处理、训练配置、推理流程和评估协议不一致，各研究之间的比较有失公平。为应对这一挑战，我们提出了 Eval4DiRec，这是首个专为基于扩散的推荐系统设计的统一开源评估框架。Eval4DiRec 支持五种不同推荐场景下的 14 个具有代表性的基于扩散的推荐系统模型，提供一致且可复现的实验设置，以系统性地评估其性能。基于该框架，我们开展了大量实证研究，在统一协议下对这些模型进行基准测试。结果凸显了扩散模型在推荐方面的强大潜力，同时也揭示了对其性能有实质性影响的关键因素和实际挑战，从而为促进公平评估和指导这一前景广阔领域的未来研究奠定了坚实基础。我们的代码和数据可在以下网址获取：this https URL。
| Comments: | 被 ACM Transactions on Knowledge Discovery from Data (TKDD) 接收 |
| Subjects: | 信息检索 (cs.IR)；人工智能 (cs.AI) |
| Cite as: | arXiv:2609.34404 [cs.IR] |
| （或使用 arXiv:2609.34404v2 [cs.IR] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2609.34404 由 DataCite 颁发的 arXiv DOI |
Submission history
来自：Cong Wang [查看邮箱]
[v1]
2026年9月28日星期一 06:16:44 UTC (712 KB)
[v2]
2026年10月10日星期六 01:45:42 UTC (733 KB)
来源：arXiv cs.AI · arxiv.org