Project Icon

daisyRec

开源推荐系统评估和基准测试框架

daisyRec是一个支持多维度公平比较的Top-N推荐任务基准测试框架。该开源工具整合了传统和深度学习推荐算法,支持CUDA加速和多个公开数据集。通过提供GUI命令生成器和严格的评估标准,daisyRec致力于推动推荐系统研究的可复现性和公平比较。

Agent4Rec - 千名AI代理模拟真实用户推荐行为
Agent4RecGithubMovieLens-1M开源项目推荐系统模拟实验生成式智能体
Agent4Rec是一个推荐系统模拟器,基于大型语言模型创建1000个具有独特社交特征和偏好的AI代理。这些代理能与个性化电影推荐互动,模拟观看、评分等行为。项目探索AI代理在模拟真实用户推荐行为方面的潜力,支持多种推荐算法和配置,有助于研究推荐系统中的复杂问题。
RecAI - 衔接大语言模型和推荐系统
AI代理GithubLLM4RecRecAI开源项目推荐系统深度学习
RecAI 项目旨在通过整合大规模语言模型 (LLMs) 开发更先进的推荐系统,主要提升交互性、可解释性和控制性。项目研究了多种技术,包括推荐 AI 代理、个性化提示、语言模型微调、模型解释器和评价系统。目标是通过全面的方法,解决 LLM4Rec 在实际应用中的需求,打造更加智能和可信赖的推荐系统。
SASRec.pytorch - 基于PyTorch的SASRec模型实现
GithubPyTorchSASRec序列推荐开源项目推荐系统自注意力机制
SASRec.pytorch项目提供了自注意力序列推荐模型的PyTorch实现。相比原始TensorFlow版本,该项目优化了训练和推理流程,修复了正位置嵌入等问题。代码包含模型训练、评估和推理示例,并在MovieLens-1M数据集上展示了NDCG@10和HR@10指标的性能。项目适用于需要在PyTorch环境中研究或应用SASRec模型的人员,为推荐系统领域提供了有价值的开源资源。
Surprise - 专为推荐系统设计的Python科学计算工具包
GithubPythonSurprise协同过滤开源项目推荐系统机器学习
Surprise是一个专门用于构建和分析基于显式评分数据的推荐系统的Python科学计算工具包。它简化了数据集处理,提供多种预测算法和相似度度量,支持新算法实现,并具备评估和比较算法性能的工具。Surprise适用于学术研究和商业应用,为推荐系统开发提供了全面的解决方案。
Transformers4Rec - 灵活高效的PyTorch兼容序列与会话推荐库
GithubHugging Face TransformersNLPPyTorchRecSysTransformers4Rec开源项目
Transformers4Rec是一个结合Hugging Face Transformers框架的高效库,专注于自然语言处理和推荐系统的结合。通过支持多种输入特征和模块化设计,它提供了与PyTorch兼容的高灵活性架构。集成NVTabular和Triton Inference Server,实现了全GPU加速的管道,优化了序列和会话推荐效果。其在业内竞赛中的优异表现展示了其在会话推荐任务中的高准确性。
elliot - 推荐系统评估框架 简化实验流程提高研究可重复性
ELLIOTGithub实验开源项目推荐系统框架评估
Elliot是一个面向研究人员的推荐系统评估框架。它通过配置文件驱动实验流程,涵盖数据加载、模型优化、训练和结果收集。框架支持多种数据分割策略和超参数优化,提供准确性、偏见和公平性等评估指标。Elliot注重实验可重复性,让研究人员能全面控制实验过程,是推荐系统研究的有力工具。
MultimodalRecSys - 多模态推荐系统资源与研究进展汇总
Github图神经网络多模态推荐系统开源项目推荐算法深度学习自监督学习
本项目汇总了多模态推荐系统领域的精选资源,包括最新研究论文、开源框架和数据集。内容涵盖通用多模态推荐、基于文本和图像的推荐等方向,并提供详细的文献综述和技术分类。项目重点关注代码实现,为研究人员和开发者提供了深入了解该领域的重要参考。资源列表持续更新,反映多模态推荐系统的最新进展。
RSAlgorithms - 集成传统与社交方法的开源推荐系统工具包
Github协同过滤开源工具包开源项目推荐系统矩阵分解社交推荐
RSAlgorithms是一个开源推荐系统工具包,集成了传统和社交推荐算法。该项目提供基于评分数据的传统推荐方法,以及利用社交信息缓解数据稀疏问题的社交推荐方法。同时收录了其他研究者实现的经典算法。RSAlgorithms支持交叉验证,并具有灵活的参数配置功能。
recommender_system_with_Python - Python推荐系统的实现与应用实例
GithubPython协同过滤开源项目推荐系统深度学习矩阵分解
详细讲解使用Python实现推荐系统的方法与案例,涵盖内容过滤、协作过滤和矩阵分解等基本理论,并通过实际项目展示这些技术的应用。此外,还介绍了基于Naver新闻数据的推荐系统、使用Keras和深度学习技术的实例,以及利用LangChain和GPT-4o提升推荐系统解释性的案例。更多代码及详细说明请参阅相关博客文章。
list_of_recommender_systems - 推荐系统全面对比,开源、商业和学术解决方案
GithubSaaS开源软件开源项目推荐系统机器学习算法
该文章全面梳理了各领域推荐系统,包括SaaS、开源、商业和学术解决方案。详细分析了Peerius、Universal Recommender等系统的特点和应用场景,并介绍了基准测试工具和媒体推荐应用。内容涵盖广泛,为研究和选择推荐系统提供了客观参考。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号