尝试用General recommendation models进行个性化试题推荐发现效果不太好，求助

[tom]

使用model=NCEPLRec，自己的数据集进行试题个性化推荐
数据集如下：
user_id:token item_id:token rating:float
300872 200130 2
300872 200139 2
300872 200234 0
……
1、rating列是用户所做过试题的一个评分，例如做对得0（难度最低所以得分最低）；做错且耗时很久为5分（対用户来说题目很难）；1-4分根据用户答题错误和时长的多少等特征进行赋分
2、数据集中会有很多具有相同user_id、item_id的行，rating值可能不一样。（用户把同一套题做了几遍，有时答对、有时答错）
3、item_id值的分布很不均匀，原因是有些试卷做得比较多因此item_id的数据比较多，有些试卷做得很少，因此值分布少

参数配置基本上为默认，训练结果如下：
26 Apr 11:01 INFO best valid : OrderedDict([('recall@50', 0.6374), ('mrr@50', 0.5729), ('ndcg@50', 0.5118), ('hit@50', 0.9464), ('precision@50', 0.1768)])
26 Apr 11:01 INFO test result: OrderedDict([('recall@50', 0.665), ('mrr@50', 0.7782), ('ndcg@50', 0.6534), ('hit@50', 0.9383), ('precision@50', 0.1966)])

上述训练结果看起来不错，但使用 full_sort_topk(uid_series, model, test_data, k=topK, device=config['device'])得到top50的数据，然后去数据集中根据user_id、top50的item_id找到真实rating，发现预测值与真实值差距很大，几乎没有命中。top50的预测itemid基本上都是数据集中出现频繁较多的itemid

请问是不是：
1、模型通过简单地依据item流行度（数据集中频繁出现的itemid）进行了推荐，这是导致训练模型时评估结果有('hit@50', 0.9383)的原因吗？
但为什么我手动验证完全不能命中测试集中按真实值排序的top50项？有尝试看了下hit具体计算的类，没找出原因所在。
2、试题个性化推荐的需求是否适合使用这类General Recommendation模型，下一步考虑测试下Context-aware Recommendation相关模型
3、对于数据集的处理：目前是通过制定规则计算出rating评分，貌似不是最佳方案，且同一用户做同一套试卷几次后，有很多具有相同user_id、item_id的行（rating值不同），有尝试过只取最新那一条，效果也不好

[Bowen Zheng]

@yzy945
您好！我觉得您的情况应该是受到严重的流行度偏差影响，需要使用特定的去偏手段，如 IPS(Inverse Propensity Scoring)。您可以参考我们RecBole2.0中的RecBole-Debias库。