TiSASRec官方代码复现中SASRec结果与论文不符求助

• 数据预处理对齐问题
  • 核查数据集过滤规则：原SASRec论文对用户/物品的交互数有明确阈值（比如用户至少5次交互、物品至少被交互N次），直接移除TiSASRec数据集的评分和时间戳可能未执行这些过滤，导致数据集分布和论文不符。
  • 确认划分逻辑：原SASRec的训练/验证/测试集是按用户交互序列的最后一个item作为测试、倒数第二个作为验证，而TiSASRec的数据集划分可能采用时间窗口或其他规则，不一致的划分会导致指标虚高。
• 模型超参数未匹配
  • 核对核心参数：隐藏层维度、注意力头数、dropout率、学习率必须和论文完全一致，比如原SASRec用的hidden size是128、head数是2、dropout=0.2、学习率=0.001。
  • 训练配置检查：batch size、训练epoch数、优化器（原论文用Adam）、正则化（L2权重衰减）是否和论文设定一致，超参数偏差会大幅影响结果。
• 评估逻辑错误
  • 负样本采样数量：原SASRec评估时会采样100个负样本，若你的代码负样本数过少（甚至未采样），HR/NDCG会异常偏高。
  • 候选集过滤：评估时必须排除用户在训练/验证阶段已经交互过的物品，若未过滤，模型会直接召回已交互item，导致指标失真。
• 代码实现疏漏
  • 检查是否残留TiSASRec的时间相关逻辑：比如时间编码层未完全删除，或误将原时间戳相关特征当作其他输入使用。
  • 位置编码实现：原SASRec采用绝对位置编码，确认你的代码未误用相对位置编码（TiSASRec的核心改进点），否则会导致模型效果偏离。

内容的提问来源于stack exchange，提问作者jie Zhou