grecx是一款基于tf_geometric框架的开源图神经网络（gnn）推荐算法框架，旨在构建高效、统一且易于扩展的gnn-based推荐算法基准库。grecx实现了矩阵分解（mf）算法作为基础推荐算法，并包括了当前最有效和最具影响力的gnn-based推荐算法，如ngcf、lightgcn等，作为基准算法。通过对grecx框架内核的深度优化，我们显著缩短了模型训练时间，显著提升了基准推荐算法的性能。
GRecX的arxiv链接：https://www.php.cn/link/c7f06a3e0ab3785cab98e8d0180d9784
GRecX的github项目链接：https://www.php.cn/link/87912a3373692a7c4786e19c8bdde01a
tf_geometric项目链接：https://www.php.cn/link/b39c6e3d69c076e3db61d027ae537895
此次GRecX框架的升级主要包括添加基准算法demo、更新基准算法的结果以及优化框架内核代码。
当前的实验结果如下（NGCF和LightGCN均采用三层GNN架构）。需要注意的是，由于某些推荐算法需要依赖优化的超参数（如L2正则参数）和技巧（如dropout）才能达到最佳效果，GRecX中的一些算法结果（例如MF）可能远高于现有文献中的结果（例如，GRecX的MF性能比文献中给出的MF性能高出40%）。在开发GRecX时，我们发现仅为MF寻找合适的超参数和技巧就需要大量时间，甚至需要使用暴力搜索。因此，对于结构更为复杂的模型如NGCF、LightGCN等，其性能可能仍有提升空间，欢迎大家贡献更好的超参数和技巧以构建更好的Benchmark。
主要实验结果
GRecX框架实现的demo列表如下：
矩阵分解（MF）MLP+MFNGCFLightGCNUltraGCN重构和优化的框架核心模块包括：grecx.datasets模块：统一了现有的GNN-based推荐算法常用数据集，并提供便捷的接口供用户调用。grecx.model模块：实现并优化了现有的GNN-based推荐算法模型，如NGCF、LightGCN等，供用户方便使用。grecx.evaluation模块：实现了常用的推荐评价指标，如NDCG，并进行了深度优化，大大缩短了算法评价时间。
