论推荐系统中的生成式智能体

 Agent4Rec 是一个拥有 1000 个基于大语言模型的生成式智能体的推荐系统模拟器。这些智能体基于 [MovieLens-1M](https://grouplens.org/datasets/movielens/1m/) 数据集初始化，具备多样化的社会特征和偏好。每个智能体以逐页浏览的方式与个性化电影推荐进行交互，并执行观看、评分、评价、退出和访谈等多种行为。通过 Agent4Rec，我们旨在探索基于大语言模型的生成式智能体在模拟真实、独立的用户在推荐环境中的行为方面的潜力。

📋 目录

• 目录
• 准备工作
• 模拟运行
• 快速开始
• 探索不同的推荐器设置
• 查看结果

• 模拟成本

⚙️ 准备工作

步骤 1. 安装 requirements.txt

设置一个虚拟环境并手动安装 pytorch。之后，运行以下命令安装 requirements.txt 文件中列出的所有依赖项：

pip install -r requirements.txt

我们的实验已在 Python 3.9.12 和 PyTorch 1.13.1+cu117 环境下测试通过。Python 版本高于 3.10 可能导致 'reckit' 包出现一些错误。

步骤 2. 设置必要的环境

确保您位于 recommenders/ 目录下（能找到 setup.py 文件），并运行以下代码。

python setup.py build_ext --inplace

该命令将安装用于加速推荐器评估的必要工具。

查看结果

模拟结果将保存在 storage/ml-1m/<model_name>/<experiment_name> 目录中。对于探索不同的推荐器设置一节中的命令，结果将保存在 storage/ml-1m/MyExp 目录中。智能体 0 的所有交互历史记录在 storage/ml-1m/MF/MyExp/running_logs/0.txt 文件中。

💰 模拟成本

🛎️ 请注意，所有实验均由 ChatGPT-3.5 驱动，一次涉及 1000 个用户的完整模拟大约需要花费 $16。（约 $0.016/用户）