gpu_id (str) : GPU번호. Defaults to 0. -> 멀티 지피유 확인필요 할것 같다.

worker (int) : 워커 프로세스 수. Defaults to 0. 0이면 다 쓰겠다로 알고있음

seed (int) : 랜덤시드. Defaults to 2020.

state (str) : 로깅레벨 -> 썹고 확인필요. Defaults to 'INFO'. Range in ['INFO', 'DEBUG', 'WARNING', 'ERROR', 'CRITICAL'].

encoding (str): 인코딩 언어. Defaults to 'utf-8'. 
 사용가능 확인 -> https://docs.python.org/3/library/codecs.html#standard-encodings

reproducibility (bool) : 모델 재현성과 관련있음 False로 하면 속도가 빨라질순 있지만 실험과 같은 결과를 다시 재현하지 못한다고 한다.  Defaults to True.

data_path (str) : 인풋데이터의 데이터 위치. Defaults to 'dataset/'.

checkpoint_dir (str) : 체크포인트 위치. Defaults to 'saved/'.

show_progress (bool) : 학습진행상황 보기 Defaults to True.

save_dataset (bool): 필터링된 데이터셋 저장하기, True면 저장한다.  Defaults to False.

dataset_save_path (str): 저장된 데이터셋의 경로입니다. 도구는 이 경로에서 데이터셋을 불러오려고 시도합니다. 이 값이 None과 같으면, 도구는 {checkpoint_dir}/{dataset}-{dataset_class_name}.pth에서 데이터셋을 불러오려고 시도합니다. 저장된 데이터셋의 설정이 현재 설정과 같지 않은 경우, 도구는 처음부터 데이터셋을 만듭니다. 기본값은 None입니다.(한번 테스트후 정리 필요)

save_dataloaders (bool): 분할된 데이터로더를 저장할지 여부입니다. True인 경우 분할된 데이터로더를 저장하고, 그렇지 않으면 저장되지 않습니다. 기본값은 False입니다.

dataloaders_save_path (str): 
저장된 데이터로더의 경로입니다. 도구는 이 경로에서 데이터로더를 불러오려고 시도합니다. 이 값이 None과 같으면, 도구는 {checkpoint_dir}/{dataset}-for-{model}-dataloader.pth에서 데이터로더를 불러오려고 시도합니다. 저장된 데이터로더의 설정이 현재 설정과 같지 않은 경우, 도구는 처음부터 데이터로더를 만듭니다. 기본값은 None입니다.

log_wandb (bool): 
Weights & Biases(W&B)를 사용할지 여부입니다. True인 경우, W&B를 사용하여 다른 실험의 구성 및 지표를 시각화하며, 그렇지 않으면 사용되지 않습니다. 기본값은 False입니다.(W&B 솔루션 웹 연결과 관련된 파라미터, 유료)

wandb_project (str): The project to conduct experiments in W&B. Defaults to 'recbole'.(W&B 솔루션 웹 연결과 관련된 파라미터, 유료)

shuffle (bool): 학습데이터를 각 에포크마다 섞을지 여부. Defaults to True.

원자파일 포멧(데이터셋 포멧)
field_separator (str) : 컬럼 구분자. Defaults to "\t".

seq_separator (str) : 시퀀스 구분자. Defaults to " ".

Basic Information
Common Features
USER_ID_FIELD (str) : 사용자 ID 기능의 필드 이름. Defaults to user_id.

ITEM_ID_FIELD (str) : 항목 ID 기능의 필드 이름. Defaults to item_id.

RATING_FIELD (str) : 평가 기능의 필드 이름. Defaults to rating.

TIME_FIELD (str) : 타임스탬프 기능의 필드 이름. Defaults to timestamp.

seq_len (dict) : 키는 시퀀스 기능의 필드 이름이고 값은 각 시퀀스의 최대 길이입니다(너무 긴 시퀀스는 잘립니다). 설정하지 않으면 시퀀스가 ​​잘리지 않습니다. Defaults to None. -> 시퀀스 최대길이
---수정필요함---
Label for Point-wise DataLoader¶
LABEL_FIELD (str) : 생성된 레이블의 예상 필드 이름. Defaults to label.

threshold (dict): 형식은 입니다 . 및 값에 따라 0/1 라벨이 생성됩니다 . 가 있는 행은 양수로 레이블이 지정되고, 그렇지 않으면 레이블이 음수로 표시됩니다. 에는 및 가 최대 한 쌍만 존재할 수 있습니다 . 기본값은 .{k (str): v (float)}inter_feat[k]vinter_feat[k] >= vkvthresholdNone

Negative Sampling Prefix for Pair-wise DataLoader¶
NEG_PREFIX (str): 부정 사례로 생성되는 필드 이름의 접두사입니다. 예를 들어 이라는 긍정적인 항목 ID가 있는 경우 item_id부정적인 샘플의 해당 항목 ID가 호출됩니다 . 기본값은 .NEG_PREFIX + item_idneg_

Sequential Model Needed¶
ITEM_LIST_LENGTH_FIELD (str): 항목 시퀀스의 길이를 나타내는 기능의 필드 이름입니다. 기본값은 item_length.

LIST_SUFFIX (str): 시퀀스로 생성되는 필드 이름의 접미사입니다. 예를 들어 항목 ID 이름이 이면 item_id해당 항목 ID 시퀀스가 ​​호출됩니다 . 기본값은 .item_id + LIST_SUFFIX_list

MAX_ITEM_LIST_LENGTH (int): 생성된 각 시퀀스의 최대 길이입니다. 기본값은 50.

POSITION_FIELD (str): 생성된 위치 시퀀스의 필드 이름입니다. 길이 순서의 경우 k위치 순서는 입니다 range(k). 이 필드는 이 인수가 아닌 경우에만 생성됩니다 None. 기본값은 position_id.

Knowledge-based Model Needed
HEAD_ENTITY_ID_FIELD (str): 헤드 엔터티 ID 기능의 필드 이름입니다. 기본값은 head_id.

TAIL_ENTITY_ID_FIELD (str): 꼬리 엔터티 ID 기능의 필드 이름입니다. 기본값은 tail_id.

RELATION_ID_FIELD (str): 관계 ID 기능의 필드 이름입니다. 기본값은 relation_id.

ENTITY_ID_FIELD (str): 엔터티 ID의 필드 이름입니다. 이는 엔터티의 상징일 뿐이며 xxx_feat. 기본값은 entity_id.

kg_reverse_r (bool): 양방향 에지에 대한 트리플 관계를 반전할지 여부입니다. 기본값은 False.

entity_kg_num_interval (str)[A,B]: / [A,B)/ (A,B)/ 와 같은 간격 형식이 있습니다. (A,B]여기서 A및 는 B간격 및 의 끝점입니다 . 해당 간격에 트리플 개수가 포함된 엔터티(머리 엔터티 및 꼬리 엔터티 포함)는 유지됩니다. 기본값은 .A <= B[0,inf)

relation_kg_num_interval (str)[A,B]: / [A,B)/ (A,B)/ 와 같은 간격 형식이 있습니다. (A,B]여기서 A및 는 B간격 및 의 끝점입니다 . 해당 간격에 트리플 수가 포함된 관계는 유지됩니다. 기본값은 .A <= B[0,inf)

Selectively Loading
load_col (dict): 키는 로드된 원자 파일의 접미사이고 값은 로드할 필드 이름 목록입니다. 에 접미사가 없으면 load_col해당 원자 파일이 로드되지 않습니다. 이면 존재하는 모든 원자 파일이 로드됩니다 load_col. None기본값은 .{inter: [user_id, item_id]}

unload_col (dict): 키는 로드된 원자 파일의 접미사이고 값은 로드되지 않는 필드 이름 목록입니다. load_col와 을 동시에 unload_col설정할 수는 없습니다. 기본값은 None.

unused_col (dict): 키는 로드된 원자 파일의 접미사이고, 값은 데이터 처리를 위해 로드되지만 모델에서는 사용되지 않는 필드 이름 목록입니다. 예를 들어 time_field시간 순서 지정에 사용될 수 있지만 모델은 이 필드를 사용하지 않습니다. 기본값은 None.

additional_feat_suffix (list): 추가 원자 파일 로드를 제어합니다. 예를 들어 에서 기능을 로드하려면 ml-100k.hello이 인수를 로 설정하면 됩니다 . 추가 기능의 기능은 에 저장됩니다 . 기본값은 .additional_feat_suffix: [hello]Dataset.feat_listNone

numerical_features (list): 상황 인식 방법에 포함할 숫자 기능입니다. 기본값은 None.

Filtering¶
Remove duplicated user-item interactions¶
rm_dup_inter (str): 중복된 사용자 항목 상호작용을 제거할지 여부입니다. time_field존재하는 경우 오름차순 inter_feat으로 정렬됩니다 . time_field그렇지 않으면 변경되지 않은 상태로 유지됩니다. 그 후에는 rm_dup_inter=first첫 번째 사용자 항목 상호 작용을 중복하여 유지합니다. 그렇다면 rm_dup_inter=last마지막 사용자 항목 상호 작용을 중복하여 유지합니다. 기본값은 None.

Filter by value¶
val_interval (dict): / / / 로 설정할 수 있는 형식 이 있습니다 . 해당 간격에 있는 행은 유지됩니다. 둘 이상의 간격을 지정하려면 세미콜론으로 구분하십시오. 예를 들어, 채택될 수 있으며 지정된 간격에 있는 행은 유지됩니다. 기본값은 입니다 . 이는 모든 행이 유지된다는 의미입니다.{k (str): interval (str), ...}interval[A,B][A,B)(A,B)(A,B]feat[k]interval{k: "[A,B);(C,D]"}feat[k]None

Remove interation by user or item¶
filter_inter_by_user_or_item (bool): 인 경우 사용자 또는 항목이 또는 에 없는 True상호작용을 제거합니다 . 기본값은 .inter_featuser_featitem_featTrue

Filter by number of interactions¶
user_inter_num_interval (str)[A,B]: / [A,B)/ (A,B)/ 와 같은 간격 형식이 있습니다. (A,B]여기서 A및 는 B간격 및 의 끝점입니다 . 해당 간격 내에 상호 작용 횟수가 있는 사용자는 유지됩니다. 기본값은 .A <= B[0,inf)

item_inter_num_interval (str)[A,B]: / [A,B)/ (A,B)/ 와 같은 간격 형식이 있습니다. (A,B]여기서 A및 는 B간격 및 의 끝점입니다 . 상호 작용 횟수가 해당 간격 내에 있는 항목은 유지됩니다. 기본값은 .A <= B[0,inf)

Preprocessing¶
alias_of_user_id (list): 를 사용하여 동일한 색인 시스템으로 다시 매핑될 필드 이름 목록입니다 USER_ID_FIELD. 기본값은 None.

alias_of_item_id (list): 를 사용하여 동일한 색인 시스템으로 다시 매핑될 필드 이름 목록입니다 ITEM_ID_FIELD. 기본값은 None.

alias_of_entity_id (list): 및 를 사용하여 동일한 색인 시스템으로 다시 매핑될 필드 이름 목록 입니다 ENTITY_ID_FIELD. 기본값은 .HEAD_ENTITY_ID_FIELDTAIL_ENTITY_ID_FIELDNone

alias_of_relation_id (list): 를 사용하여 동일한 색인 시스템으로 다시 매핑될 필드 이름 목록입니다 RELATION_ID_FIELD. 기본값은 None.

preload_weight (dict): 형식을 갖습니다 . 미리 로드된 가중치 행렬의 각 행 ID를 나타내는 토큰 필드입니다. 플로트형 필드입니다. 및 의 각 쌍은 동일한 원자 파일에 있어야 합니다. 이 인수는 사전 훈련된 벡터를 로드하는 데 사용될 수 있습니다. 기본값은 .{k (str): v (float)}, ...kvkvNone

normalize_field (list): 정규화할 파일 이름 목록입니다. 부동 소수점 필드만 정규화할 수 있습니다. 기본값은 None.

normalize_all (bool): 다음과 같은 경우 필드와 같은 모든 부동 소수점을 정규화합니다 True. 기본값은 None.

discretization (dict): 형식을 갖습니다 . 구분할 필드를 나타내는 부동 필드입니다. 는 이산화 전략을 각각 제어하는 ​​와 2개의 키가 있는 구성 사전입니다 .{k (str): v (dict)}, ...kvmethodbucket

method (str): float 데이터를 어떻게 구분할지 결정합니다. 이제 우리는 두 가지 종류의 이산화 전략을 지원합니다 . 값이 이면 데이터 는 동일한 거리로 이산화됩니다. 값이 이면 데이터가 로그로 분리됩니다. 기본값은 입니다 .['ED', 'LD']methodEDLDED

bucket (int): 이산화 방법이 'ED'일 때 동일한 수의 특성을 포함하는 버킷 수입니다.

벤치마크 파일¶
benchmark_filename (list): 사전 분할된 사용자 항목 상호 작용 접미사 목록입니다. inter_feat의 상호 작용을 삭제하지 않는 정규화, remap-id만 적용합니다. 그런 다음 inter_feat를 benchmark_filename. 예를 들어 데이터 세트가 이고 click와 benchmark_filename같다고 가정해 보겠습니다 . , , , 을 로드 하고 학습, 유효한 테스트 데이터 세트로 처리합니다. 기본값은 .['part1', 'part2', 'part3']click.part1.interclick.part2.interclick.part3.interNone