재현 가능한 비교
2019년 분석은 상위 학회의 추천 알고리즘 열여덟 개 중 일곱 개를 합리적인 노력으로 재현했다고 보고했다. 재현한 방법 다수가 단순한 이웃 및 그래프 기반 기법보다 항상 우세하지는 않았다.
기준선의 조정
동일 분석은 남은 한 방법도 잘 조정한 비신경 선형 순위 모델을 일관되게 넘지는 못했다고 보고했다. 새 구조의 효과를 판단하려면 비교 대상에도 적절한 조정이 이루어졌는지가 중요하다.
BPR 구현의 사례
2024년 BPR 연구는 공개 구현과 원래 방법의 불일치가 특정 구현의 성능을 낮출 수 있음을 조사했다. 적절한 하이퍼파라미터 조정 후에는 최신 방법에 가까워지거나 일부 자료에서 앞설 수 있었으며, 이는 개별 실험 조건의 결과다.
관련 문서
BPR 개인화 순위 학습 / NCF 신경 협업 필터링 / EASE 추천 모델 / SimpleX / BERT4Rec / 추천 시스템