Recommender_System

Recommender_System

推荐系统全面指南:从理论基础到工业实践

本项目系统介绍工业级推荐系统的理论知识,包括召回、排序、特征交叉和用户行为序列建模等核心环节。内容涵盖基于TensorFlow2的模型训练,以及高性能、高并发、高可用的Golang推理微服务实现。同时提供Scikit-learn和TensorFlow编程基础,为推荐系统学习者提供全面的知识体系和实践指导。

推荐系统TensorFlowGolang召回排序Github开源项目

推荐系统

本项目从入门到精通全面介绍了工业级推荐系统的理论知识(基于王树森推荐系统公开课,以小红书为例讲解工业界真实的推荐系统),如何基于TensorFlow2训练模型,如何实现高性能、高并发、高可用的Golang推理微服务。同时还包括一些Scikit-learn和TensorFlow的编程基础知识。全面介绍了基于深度学习的工业推荐系统理论,如何使用TensorFlow2训练模型,以及如何基于Golang实现高性能、高并发和高可用的推理服务。

注意:第一部分的理论知识在本仓库,第二、三、四部分的代码在其他仓库,点击链接即可跳转。

注意

如果通过Github站内超链接打开Jupyter Notebook文件发生错误,可以点击根据 https://nbviewer.org 生成的"备用链接"间接访问对应文件。 或者通过以下链接访问整个项目的站外备用链接,注意点击站外备用链接里的非Jupyter Notebook格式文件会跳转回到Github仓库内: ● 推荐系统

一、推荐系统理论

王树森推荐系统公开课 - 基于小红书的场景讲解工业界真实的推荐系统,读书笔记。

01 概要

推荐系统的链路 (备用链接)AB测试 (备用链接)

02 召回

基于物品的协同过滤(ItemCF) (备用链接)Swing召回通道 (备用链接)基于用户的协同过滤(UserCF) (备用链接)离散特征处理 (备用链接)矩阵补充 (备用链接)双塔模型:模型和训练 (备用链接)双塔模型:正负样本 (备用链接)双塔模型:线上召回和更新 (备用链接)双塔模型+自监督学习 (备用链接)Deep Retrieval召回 (备用链接)其他召回通道 (备用链接)曝光过滤和Bloom Filter (备用链接)

03 排序 (Ranking)

多目标排序模型 (备用链接)
MMoE (备用链接)
预估分数融合 (备用链接)
视频播放建模 (备用链接)
排序模型的特征 (备用链接)
粗排模型 (备用链接)

04 特征交叉 (Feature Cross)

因子分解机FM (备用链接)
深度交叉网络DCN (备用链接)
LHUC网络结构 (备用链接)
SENet Bilinear Cross (备用链接)

05 用户行为序列 (User Behavior Sequence)

用户行为序列建模 (备用链接)
DIN模型(注意力机制) (备用链接)
SIM模型(长序列建模) (备用链接)

06 重排 (Re-rank)

物品相似性的度量、提升多样性的方法 (备用链接)
MMR多样性算法 (备用链接)
业务规则约束下的多样性算法 (备用链接)
DPP多样性算法(上) (备用链接)
DPP多样性算法(下) (备用链接)

07 物品冷启动

优化目标与评价指标 (备用链接)
简单召回通道 (备用链接)
聚类召回 (备用链接)
相似用户召回 (备用链接)
流量控制 (备用链接)
冷启动的A/B测试 (备用链接)

08 推荐系统指标提升方法

概述 (备用链接)
召回 (备用链接)
排序 (备用链接)
多样性 (备用链接)
特殊用户群体 (备用链接)
交互行为(关注、转发和评论) (备用链接)

二、TensorFlow2模型训练

以"DNN_for_YouTube_Recommendations"模型和电影评分数据集(ml-1m)为基础,详细展示了如何基于TensorFlow2实现推荐系统排序模型。
YouTube深度排序模型(多值嵌入、多目标学习)

三、模型推理服务Golang

基于Golang、Docker和微服务思想实现了高并发、高性能和高可用的推荐系统推理微服务,包括多种召回/排序服务,并提供多种接口访问方式(REST、gRPC和Dubbo)等,每日可处理上千万次推理请求。
推荐系统推理微服务Golang

四、编程基础

机器学习Sklearn入门教程
深度学习TensorFlow入门教程

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

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。

下拉加载更多