Logo
Project Icon

QRec

跨平效推荐系统框架，集成前沿推荐模型

QRec推荐系统TensorflowPython协同过滤Github开源项目

QRec是一个基于Python 3.7.4和Tensorflow 1.14+的推荐系统框架，集成了多种高影响力和最新的推荐模型。该框架具有轻量级架构和用户友好的接口，支持快速的模型实现和评估。QRec支持跨平台，包括Windows、Linux和Mac OS，基于Numpy和Tensorflow，运行速度快。用户可以通过配置文件轻松管理和扩展，同时提供多种评估协议。最新更新包括多个在顶级会议发表的模型，如SIGIR'22的SimGCL等。详细使用文档请参阅QRec手册。

访问官网访问官网GithubGithubHuggingfaceHuggingface文档文档论文论文
介绍相关项目
recommenders-addons - 大规模推荐系统中的动态嵌入技术增强体验
GPU加速GithubTensorFlow Recommenders Addons动态嵌入技术大规模训练开源项目推荐系统
TensorFlow Recommenders Addons通过引入动态嵌入技术，使TensorFlow更适合搜索、推荐和广告模型的训练，全面兼容TensorFlow优化器和CheckPoint功能，支持GPU上的训练和推理。项目增强了推荐系统性能，解决了哈希冲突问题，并提供多种动态嵌入存储选项（如cuckoohash_map和Redis）。支持TF serving和Triton Inference Server，以便在大规模环境中部署和评估复杂推荐模型。
recommender-system-tutorial - 使用TensorFlow和Keras构建推荐系统的实践教程
GithubMovieLens数据集TensorFlow开源项目推荐系统机器学习深度学习
本项目提供了一个详细的推荐系统开发教程，基于TensorFlow Recommenders和Keras。教程介绍了信息检索和推荐系统基础，通过Jupyter notebook展示了MovieLens数据集处理、特征预处理、检索和排序模型构建，以及Spotify Annoy相似项搜索。内容涵盖了推荐系统的核心技术和实践方法，适合学术研究者和业界专业人士学习。
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。
RecBole-GNN - 图神经网络推荐算法开源库
GithubPyTorchRecBole-GNN图神经网络开源库开源项目推荐系统
RecBole-GNN是一个开源的图神经网络推荐算法库，基于PyTorch和RecBole构建。该库专注于复现和开发GNN推荐算法，涵盖通用、序列和社交推荐三大类别。它提供统一API、高效图处理模块和丰富的算法库，支持多种前沿GNN推荐模型。RecBole-GNN还提供详细的性能对比，为研究人员提供便捷的GNN推荐算法开发和评估平台。
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。
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。
recommenderlab - R语言推荐系统开发与评估框架
GithubR包recommenderlab协同过滤开源项目推荐系统评估框架
recommenderlab是一个用于开发和评估推荐系统的R语言框架。它支持用户-物品矩阵的稀疏表示，提供多种主流推荐算法，包括UBCF、IBCF、SVD、Funk SVD、ALS等。框架具备Top-N推荐、交叉验证、评分和二元数据处理等功能。recommenderlab还提供了训练/测试分割、MSE、RMSE、MAE等多种评估方法和指标，适用于电商、内容推荐等多个领域，为推荐系统研究和开发提供了全面的工具支持。
cornac - 多模态推荐系统比较框架
CornacGithub多模态开源项目推荐系统机器学习辅助数据
Cornac是一个多模态推荐系统比较框架,支持文本、图像等辅助数据。它便于快速实验和实现新模型,兼容TensorFlow、PyTorch等库。Cornac实现了协同过滤、内容推荐等多种算法,支持高效近似最近邻搜索。框架还提供简单的模型部署方式,有助于构建推荐系统应用。
rexmex - 推荐系统评估指标和报告工具库
Githubrexmex开源库开源项目推荐系统机器学习评估指标
rexmex是一个用于推荐系统评估的Python库,提供了全面的评估指标集合,涵盖排名、评分、分类和覆盖率等方面。该库集成了经典指标和最新数据挖掘研究成果,并提供报告生成和性能可视化功能。rexmex操作简便,适用于多种推荐系统场景,可帮助研究人员和开发者全面评估系统性能。
gitrec - 基于用户兴趣的GitHub仓库推荐系统
GitHubGitRecGithub开源项目推荐系统浏览器扩展
GitRec是一个基于Gorse的开源GitHub仓库推荐系统。该系统通过浏览器扩展，根据用户收藏的仓库智能推荐相关项目，并为热门仓库匹配相关资源。GitRec支持Chrome、Edge和Firefox等主流浏览器，安装便捷。系统采用Docker部署，支持数据导入和可视化监控，为开发者提供个性化的GitHub仓库发现服务，有助于提高项目探索效率。
相关项目
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。

使用协议隐私政策广告服务
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