RecBole

RecBole

基于Python和PyTorch的推荐系统框架,支持91种算法和43个数据集

RecBole是一个基于Python和PyTorch的推荐系统框架,旨在高效地复现和开发推荐算法。该框架包含91种算法,涵盖通用推荐、序列推荐、情境推荐和知识推荐四大类。RecBole支持43个基准数据集,并提供GPU加速和标准评估协议以满足研究需求。最新版本增加了扩展包,提升用户体验,并支持多GPU和混合精度训练。

RecBole推荐系统PythonPyTorchRecBole2.0Github开源项目

项目介绍:RecBole(伯乐)

RecBole 是一个基于 Python 和 PyTorch 的统一、综合且高效的推荐算法开发与复现框架,专为学术研究而设计。该项目的名称源自于韩愈的《马说》,意在强调伯乐对千里马的重要性。在大数据时代,RecBole 站在了推进科技发展的前沿,通过提供丰富的推荐系统模型与数据集,帮助研究者快速实现算法测试及新模型的开发。

RecBole 的主要功能

统一且可扩展的数据结构

RecBole 设计了统一且可扩展的数据结构,使得不同推荐系统数据集在格式与使用上实现统一。这一特点使得研究人员在开发过程中无需纠结于数据格式转换,专注于算法的优化与创新。

综合性的标准模型与数据集

RecBole 实现了 91 种常用的推荐算法,涵盖了通用推荐、序列推荐、上下文感知推荐以及基于知识的推荐四大类。此外,RecBole 提供了 43 个标准推荐数据集,用户可以利用团队提供的脚本来处理原始数据,或直接下载已经处理好的数据集,方便快捷。

高效的 GPU 加速执行

为了提高执行效率,RecBole 针对 GPU 环境进行了多项优化,使得模型在训练时可以高效利用 GPU 资源。在处理大规模数据集时,这一点尤为重要,能够显著缩短训练时间。

标准化的评估协议

RecBole 支持多种广泛应用的评估协议,帮助研究人员在测试和比较推荐算法时,能够得到可靠且一致的结果。这些评估协议涵盖了从简单的指标计算到复杂的实验设置,适用于不同的实验需求。

最新版本更新

RecBole 在最新的更新中着重提升了其易用性和用户友好性,使其更加适合研究人员作为推荐系统的基准库使用。在更新中,项目团队制定了详细的开发指南,改善了文档的组织结构,并增加了常见问题解答,提升了用户体验。

安装指南

RecBole 兼容 Linux、Windows 10 和 macOS X 操作系统,要求 Python 版本不低于 3.7,torch 版本不低于 1.7.0。以下是安装方法:

  • 使用 conda 安装:

    conda install -c aibox recbole
  • 使用 pip 安装:

    pip install recbole
  • 从源代码安装:

    git clone https://github.com/RUCAIBox/RecBole.git && cd RecBole pip install -e . --verbose

快速入门

开发者可以使用 RecBole 提供的脚本进行快速体验,运行以下命令即可测试 BPR 模型在 ml-100k 数据集上的表现:

python run_recbole.py

运行后,用户可以观察到训练过程的详细信息以及模型评估结果,这为进一步的开发与优化提供了良好的起点。

开源贡献与合作

RecBole 项目拥有多个相关的 GitHub 项目,为数据处理、模型开发、算法训练和科学评估提供了一站式解决方案。项目欢迎各种形式的贡献,包括 Bug 修复、新功能开发,以及项目的扩展。

引用

如果 RecBole 为您的研究或开发提供了帮助,请参考以下论文进行引用:

  • RecBole 1.0
  • RecBole 2.0
  • RecBole 1.2.0

通过这些论文,研究人员可以深入了解 RecBole 的开发背景及其在推荐系统领域的贡献。

感谢与支持

本项目得到了中国国家自然科学基金项目(No. 61832017)的支持,感谢所有为 RecBole 项目做出贡献的开发者和研究人员。项目使用 MIT 许可协议,所有数据和代码仅限用于学术用途。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多