Project Icon

SIGIR2020_peterrec

基于序列行为的参数高效迁移学习推荐方法

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。

LLM4RS - 将ChatGPT应用于推荐系统的实证研究
ChatGPTGithub大语言模型实验分析开源项目排序策略推荐系统
LLM4RS项目从信息检索角度评估了ChatGPT在推荐系统中的表现。研究对比了点式、配对式和列表式排序方法,发现ChatGPT在多个领域数据集上表现突出,其中列表式排序在成本和性能间达到最佳平衡。项目还探讨了ChatGPT解决冷启动问题和提供可解释推荐的潜力。LLM4RS提供了全面的评估框架、数据集和实验结果,为研究大语言模型在推荐系统中的应用提供了重要参考。
Parameter-Efficient-Transfer-Learning-Benchmark - 统一视觉参数高效迁移学习评测基准
GithubV-PETL Bench参数高效迁移学习基准测试开源项目模型评估计算机视觉
V-PETL Bench是一个统一的视觉参数高效迁移学习评测基准。该项目选择30个多样化数据集,涵盖图像识别、视频动作识别和密集预测任务,评估25种主流PETL算法。提供模块化代码库和完整训练资源,为计算机视觉研究提供全面评测平台。
Awesome-LLM4RS-Papers - 聚焦于大型语言模型在推荐系统中的应用研究的论文集
AI绘图GithubLLMRecPapers大型语言模型开源项目推荐系统
Awesome-LLM4RS-Papers是一套精选论文集,聚焦于大型语言模型在推荐系统中的应用研究。本集合包含自2023至2024年期间发布的期刊文章和会议论文,覆盖了隐私保护、个性化方案、效率提升等诸多创新领域。该项目为研究人员和技术开发者提供关于如何利用大型语言模型增强推荐系统的全面资料。
LLMRank - 大语言模型在推荐系统排序中的应用与挑战
GithubLLMRank偏见大语言模型开源项目推荐系统零样本排序
LLMRank项目聚焦大语言模型在推荐系统排序中的潜力。研究采用指令跟随方法,将用户行为历史和候选项整合到自然语言模板中。实验结果显示,大语言模型具备强大的零样本排序能力,但在处理用户历史顺序信息时面临挑战。通过设计特定提示策略,可有效提升排序表现。此外,项目还深入分析了排序过程中的偏见问题,并提出了相应的解决方案。
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。
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。
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。
MMRec - 现代多模态推荐系统研究工具箱
GithubMMRec图神经网络多模态推荐开源项目推荐系统深度学习
MMRec是一个现代化的多模态推荐系统工具箱,支持多种先进推荐模型,如图神经网络和自监督学习技术。它提供全面功能,包括数据预处理、模型训练和评估,便于研究人员高效开发和比较推荐算法。该工具箱配有详细文档和示例,适合快速上手和扩展研究。
generative-recommenders - 基于万亿参数序列转录器的生成式推荐系统框架
GithubHSTU序列模型开源项目性能基准推荐系统深度学习
HSTU是一个基于万亿参数序列转录器的生成式推荐系统框架。该项目在MovieLens和Amazon Reviews等公开数据集上进行了实验,结果显示HSTU在各项指标上均优于现有方法。项目开源了实验代码、配置文件和高效推理所需的Triton内核实现,方便研究者复现结果和进行后续研究。
Recommendation-Systems-without-Explicit-ID-Features-A-Literature-Review - 推荐系统的基础模型论文列表
Foundation modelsGithubLarge Language ModelsMultimodal Recommender SystemRecommender SystemTransferable Recommendation开源项目
本综述探讨了在没有显式ID特征的情况下,推荐系统如何运用基础模型和大语言模型提升性能。内容涉及ID嵌入的必要性、推荐系统从匹配到生成的新模式、大语言模型的应用以及多模态推荐系统的未来趋势。通过详尽分析当前研究和案例,这些论文为推荐系统的发展提供了有价值的见解和前瞻性方向。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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