Project Icon

RecSys_Course_AT_PoliMi

推荐系统算法库与评估框架

该项目提供多种推荐系统算法实现,包括协同过滤KNN、矩阵分解和图模型等。框架集成了评估模块、数据处理功能,便于快速构建和测试推荐系统。采用Python和Cython开发,注重性能优化,适合推荐系统的教学与研究使用。

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。
DeepRec - 基于TensorFlow的推荐系统框架 支持万亿级训练和优化
DeepRecGithub分布式训练开源项目推荐系统模型优化深度学习框架
DeepRec是一个基于TensorFlow的推荐系统深度学习框架。它支持万亿级样本和参数的分布式训练,提供嵌入变量、优化器等关键功能。该框架在CPU和GPU平台上进行了性能优化,包括运行时、算子和图级优化。DeepRec还支持增量检查点、分布式服务和在线学习等部署功能,为大规模推荐模型提供全面解决方案。
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。
recommenders - 利用TensorFlow构建推荐系统模型的库
GithubKerasTensorFlow Recommenders开源项目推荐系统数据准备模型训练
TensorFlow Recommenders 是一款利用TensorFlow构建推荐系统模型的库。它涵盖了数据准备、模型构建、训练、评估和部署的完整工作流程,基于Keras,旨在为用户提供易学且灵活的体验,能够支持构建复杂模型。只需确保安装TensorFlow 2.x,并使用pip安装即可开始使用。详细的文档和教程能够帮助用户快速入门。
torchrec - 旨在提供大规模推荐系统所需的常见稀疏性和并行性原语的PyTorch库
CUDAFBGEMMGithubPyTorchTorchRec开源项目推荐系统
TorchRec是一个专为大规模推荐系统设计的PyTorch库,提供稀疏性和并行性解决方案。它支持多种嵌入表分片策略,并能自动优化分片计划。通过流水线训练和优化内核,提高模型性能。还支持量化训练和推理,包含多个验证的模型架构和数据集示例,适用于需要高性能和扩展性的推荐系统项目。
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。
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。
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。
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。
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。
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