Project Icon

Recommendation-Systems-without-Explicit-ID-Features-A-Literature-Review

推荐系统的基础模型论文列表

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。

RSPapers - 关于推荐系统的必读论文的精选清单
Github协同过滤开源项目推荐系统深度学习知识图谱隐私保护
RSPapers提供综合的推荐系统研究资源,覆盖系统教程、综合调研和多种议题,如社交、基于深度学习、冷启动、效率、探索与利说问题等,加上基于知识图谱和评论的最新研究。该资源库定期更新,包含多领域实用案例及隐私保护策略,非常适合研究者与实践者。
LLM4Rec-Awesome-Papers - 大语言模型在推荐系统中的最新应用及研究进展综述
GithubLLM人工智能大语言模型开源项目推荐系统论文综述
该项目汇总了大语言模型在推荐系统中应用的优秀论文和资源。内容涵盖无调整和有监督微调两类方法,包括ChatGPT、GPT、LLaMA等模型在推荐领域的最新探索。项目还提供相关调查、教程和数据集信息,为研究人员提供全面参考。持续更新的内容反映了这一快速发展的研究热点,展现大语言模型在推荐系统中的潜力。
Recommender_System - 推荐系统全面指南:从理论基础到工业实践
GithubGolangTensorFlow召回开源项目排序推荐系统
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。
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。
awesome-recommend-system-pretraining-papers - 推荐系统预训练及大型语言模型论文资源
GithubRecommend System大语言模型开源项目数据集用户表示预训练预训练模型
此资源汇总了预训练推荐系统和大型语言模型相关的论文,涵盖用户表示预训练、序列推荐、图预训练等子领域,并提供丰富的数据集和代码链接。研究人员可以通过该列表了解如何利用预训练和大型语言模型提升推荐系统性能,获得最新研究成果和实用工具。
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。
RLMRec - 融合大语言模型的推荐系统表示学习框架
GithubRLMRec协同过滤大语言模型开源项目推荐系统表示学习
RLMRec是一个模型无关的推荐系统框架,利用大语言模型增强表示学习。该框架整合表示学习与大语言模型,深入捕捉用户行为和偏好的语义特征。RLMRec引入辅助文本信息,构建大语言模型支持的用户和物品画像,并通过跨视图对齐方法整合语义空间和协同关系信号。在多个公开数据集的评估中,RLMRec展现出显著的性能提升。
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。
recommender_system_with_Python - Python推荐系统的实现与应用实例
GithubPython协同过滤开源项目推荐系统深度学习矩阵分解
详细讲解使用Python实现推荐系统的方法与案例,涵盖内容过滤、协作过滤和矩阵分解等基本理论,并通过实际项目展示这些技术的应用。此外,还介绍了基于Naver新闻数据的推荐系统、使用Keras和深度学习技术的实例,以及利用LangChain和GPT-4o提升推荐系统解释性的案例。更多代码及详细说明请参阅相关博客文章。
Awesome-LLM-for-RecSys - 关于大型语言模型 (LLM) 相关推荐系统主题的论文和资源的集合
ACM Transactions on Information SystemsChatGPTGithubLLM开源项目推荐系统论文更新
Awesome-LLM-for-RecSys聚焦大语言模型与推荐系统的交汇点,提供领先的研究成果与资源。该项目持续跟踪最新动态,举行定期论文评述,旨在为研究者和开发者深化对LLM在推荐系统中应用的理解提供支持。
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