[🐛BUG] 顺序推荐模型在使用带有label标签的数据集并且使用排序评价指标(如NDCG)的时候会发生报错。

[lone1yship]

描述这个 bug
顺序推荐模型在使用带有label标签的数据集并且使用排序评价指标(如NDCG)的时候会发生报错

如何复现
复现这个 bug 的步骤：

1. 引入的是mind-large-train.inter数据集
2. 使用的是框架中的SASRec等顺序推荐模型的代码
3. yaml文件如下：
   eval_args:
   split: { 'RS': [0.8,0.1,0.1] }
   order: TO
   mode: labeled # 这里将模式设置成labeled是因为使用的数据集是mind，这个数据集是有标签的，是显示反馈(带标签)，所以应该使用labeled，使用不带标签的数据集的时候才使用其他三种评估方式(full,unixx,popxx)
   group_by: user

load_col:
inter: ['user_id', 'item_id', 'label', 'timestamp']

预期
希望能够得知是自己参数设置的问题，还是框架本身的问题

屏幕截图

实验环境（请补全下列信息）：

• 操作系统: Linux
• RecBole 版本:1.2.0
• Python 版本:3.8.10
• PyTorch 版本:1.10.1
• cudatoolkit 版本:11.1.74

[lone1yship]

上面的BUG当评价指标换成AUC的时候是没有报错的，但是有一个问题就是当mode是labeled的时候，在验证阶段是没有负样本的，这与论文中在验证的时候需要负样本不一致。 如果将mode换成uni100的话，那和框架中的API说遇到带有标签的数据应该使用labeled又有冲突。而且就算是换成了uni100进行训练，得到的结果也不对。还麻烦你们能够看看是我的问题还是框架的问题。@TayTroye

[lone1yship]

对于顺序推荐模型，损失函数是交叉熵损失函数，那也可以使用NDCG评价指标，SASRec和BERT4Rec等模型也是如此，这也是我发现的一个问题点。如若不对还请指正，谢谢 @TayTroye