Project Icon

QRec

跨平效推荐系统框架,集成前沿推荐模型

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。

RecSysPapers - 推荐系统研究进展与行业实践全面汇总
Github开源项目推荐系统深度学习点击率预测特征交互论文汇总
RecSysPapers项目收录827篇推荐系统相关论文,涉及召回、排序、多任务和多模态等领域。项目持续更新业界进展,提供分类和阅读指引,是推荐系统研究和实践的重要参考。收录论文包括阿里巴巴、谷歌、微软等知名公司的最新实践,对推荐系统技术的理解和应用具有参考价值。
mlgb - 多模型支持的CTR预测和推荐系统库
CTR预测GithubMLGB开源项目推荐系统机器学习深度学习模型
MLGB是一个Python库,集成了50多种CTR预测和推荐系统模型,兼容TensorFlow和PyTorch框架。该库提供简洁的API,方便快速调用复杂模型。通过代码优化,MLGB实现了高效性能,为研究和工程实践提供了多样化的模型选择。
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。
SIGIR2020_peterrec - 基于序列行为的参数高效迁移学习推荐方法
GithubPeterRec开源项目推荐系统深度学习用户建模迁移学习
SIGIR2020_PeterRec提出了一种基于用户序列行为的参数高效迁移学习方法,用于改进推荐系统性能。该方法在冷启动等场景中表现出色。项目提供了多个大规模数据集,用于评估各类推荐模型,包括基础模型、可迁移模型、多模态模型和大语言模型。项目还包含PyTorch代码实现和详细的使用说明。
HugeCTR - GPU加速的大规模深度学习推荐系统框架
GPU加速GithubHugeCTR嵌入开源项目推荐系统深度学习
HugeCTR是专为大规模深度学习模型设计的GPU加速推荐系统框架,支持高效训练和推理。框架在MLPerf等基准测试中性能卓越,提供直观的API接口,并具备大规模嵌入等核心功能。HugeCTR实现了模型并行训练、混合精度计算、嵌入缓存等先进特性,可高效部署超大规模嵌入的推荐模型。
rq - 基于Redis的Python轻量级任务队列库
GithubPythonRQRedis任务队列后台处理开源项目
RQ是一个基于Redis的Python任务队列库,专注于简单性和易用性。它提供异步任务执行、任务调度和失败重试功能,适用于各种Web应用场景。RQ设计轻量,易于集成,支持分布式工作进程,能够帮助开发者快速构建高效可靠的后台任务处理系统。
implicit - 高性能Python隐式反馈协同过滤库
GithubPython库implicit协同过滤开源项目推荐系统矩阵分解
Implicit是一个开源的高性能Python协同过滤库,专为隐式反馈数据集设计。它实现了多种推荐算法,如交替最小二乘法、贝叶斯个性化排序等。支持多线程和GPU加速,适用于大规模数据处理。提供详细文档和示例,便于开发者快速构建推荐系统。
RecSysDatasets - 推荐系统公开数据集汇总及处理工具
GithubRecBole开源项目推荐系统数据处理数据集模型评估
RecSysDatasets是一个汇总公开推荐系统数据集的开源项目。该项目收集了电商、广告、电影等多个领域的数据集,并提供将数据集转换为统一格式的工具。这有助于研究人员更便捷地获取和使用各类推荐系统数据集,为算法开发和评估提供支持。项目与RecBole推荐系统库集成,便于进行算法测试。
Awesome-Recsys - 推荐系统领域顶级会议论文资源库
Github人工智能开源项目推荐系统数据挖掘机器学习深度学习
Awesome-Recsys项目汇集推荐系统领域顶级会议论文,包括SIGIR、RecSys、ICLR等重要会议的最新研究成果。该资源库定期更新,提供论文标题和链接,方便研究人员和从业者快速了解领域进展,获取感兴趣的研究内容。
RES-Interview-Notes - 推荐系统算法与实践全面指南
Github协同过滤开源项目推荐系统机器学习深度学习矩阵分解
RES-Interview-Notes项目全面涵盖推荐系统各个方面,包括基础理论、传统算法、深度学习模型及工程实践。内容涉及协同过滤、矩阵分解等经典方法,以及AutoRec、NeuralCF等前沿模型。同时探讨了系统评估和落地实施,为推荐算法工程师提供系统学习资料。
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