损失函数

NextRec支持10余种不同任务类型的损失函数。包括pointwise，pairwise，listwise。具体支持的损失函数如下：

Pointwise 损失函数

损失函数名称	别名	描述	适用任务
bce	binary_crossentropy	二元交叉熵损失，用于二分类任务	二分类
weighted_bce	-	加权二元交叉熵损失，支持样本权重	二分类
focal	focal_loss	焦点损失，用于处理类别不平衡问题	二分类
cb_focal	class_balanced_focal	类别平衡焦点损失，需要 class_counts 参数	多分类/二分类
crossentropy	ce	交叉熵损失，用于多分类任务	多分类
mse	-	均方误差损失，用于回归任务	回归
mae	-	平均绝对误差损失，用于回归任务	回归

Pairwise 损失函数

损失函数名称	描述	适用任务
bpr	贝叶斯个性化排序 (Bayesian Personalized Ranking) 损失	排序
hinge	Hinge 损失 (SVM 风格)	排序
triplet	三元组损失，用于学习 item 嵌入	表示学习

Listwise 损失函数

损失函数名称	描述	适用任务
sampled_softmax / softmax	采样 Softmax 损失，用于大规模排序	排序
infonce	InfoNCE 损失，对比学习常用	表示学习
listnet	ListNet 损失，基于列表的排序	排序
listmle	ListMLE 损失，最大似然估计方法	排序
approx_ndcg	近似 NDCG 损失，直接优化 NDCG 指标	排序

使用示例

在基类模型BaseModel的compile参数，通过修改该方法中的loss以及loss_params参数来配置损失函数。示例代码：

model.compile(
    optimizer="adam",
    optimizer_params={"lr": 1e-3, "weight_decay": 1e-5},
    loss="binary_crossentropy", # 设置损失函数
)

NextRec CLI 集成

在命令行工具NextRec CLI中，通过修改训练配置文件中的loss参数来进行调整。当多任务时，需要依次设置不同任务的损失函数。

train:
  loss:
    - 'bce'
    - 'focal'
  loss_params:
    - {} 
    - alpha: 0.8
      gamma: 2.0

---

下一步

• 评估指标 - 支持的评估指标
• CLI 工具 - 命令行工具 NextRec CLI