Logo
Project Icon

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

推荐系统的基础模型论文列表

Foundation modelsRecommender SystemLarge Language ModelsMultimodal Recommender SystemTransferable RecommendationGithub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。

GithubGithub论文论文
介绍相关项目
list_of_recommender_systems - 推荐系统全面对比，开源、商业和学术解决方案
GithubSaaS开源软件开源项目推荐系统机器学习算法
该文章全面梳理了各领域推荐系统，包括SaaS、开源、商业和学术解决方案。详细分析了Peerius、Universal Recommender等系统的特点和应用场景，并介绍了基准测试工具和媒体推荐应用。内容涵盖广泛，为研究和选择推荐系统提供了客观参考。
RES-Interview-Notes - 推荐系统算法与实践全面指南
Github协同过滤开源项目推荐系统机器学习深度学习矩阵分解
RES-Interview-Notes项目全面涵盖推荐系统各个方面,包括基础理论、传统算法、深度学习模型及工程实践。内容涉及协同过滤、矩阵分解等经典方法,以及AutoRec、NeuralCF等前沿模型。同时探讨了系统评估和落地实施,为推荐算法工程师提供系统学习资料。
POI-Recommendation - 智能兴趣点推荐的前沿研究资源库
GithubPOI推荐个性化推荐图神经网络开源项目时空数据深度学习
这个项目汇集了兴趣点(POI)推荐领域的最新研究成果，包括深度学习、图神经网络和注意力机制等技术在POI推荐中的应用。项目重点关注时空依赖性、用户偏好建模和冷启动等问题，旨在改进POI推荐的个性化和情境感知能力。资源库收录了大量高质量论文及其代码实现，为POI推荐研究提供了全面的参考资料。
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。
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。
recommender-system-tutorial - 使用TensorFlow和Keras构建推荐系统的实践教程
GithubMovieLens数据集TensorFlow开源项目推荐系统机器学习深度学习
本项目提供了一个详细的推荐系统开发教程，基于TensorFlow Recommenders和Keras。教程介绍了信息检索和推荐系统基础，通过Jupyter notebook展示了MovieLens数据集处理、特征预处理、检索和排序模型构建，以及Spotify Annoy相似项搜索。内容涵盖了推荐系统的核心技术和实践方法，适合学术研究者和业界专业人士学习。
RecSys_Course_AT_PoliMi - 推荐系统算法库与评估框架
Github协同过滤开源项目推荐系统机器学习相似度计算矩阵分解
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。
recommenders - 从概念到部署推动推荐系统的发展的完整教程
GithubRecommenders内容过滤协同过滤开源项目推荐系统机器学习
Recommenders项目支持开发者和技术爱好者从概念到部署推动推荐系统的发展。项目提供完整的教程，包括数据准备、模型建立、评估和优化，通过丰富的Jupyter笔记本示例展示各种推荐算法的实际应用。
awesome-pretrained-models-for-information-retrieval - 信息检索领域预训练模型研究综述与最新进展
Github信息检索开源项目搜索引擎深度学习神经网络预训练模型
该项目汇集了信息检索领域预训练模型相关的重要论文资源。内容涵盖第一阶段检索、重排序、联合学习等核心技术，以及大语言模型应用和多模态检索等前沿主题。项目提供了全面的文献综述，有助于研究人员和从业者了解该领域的最新进展和发展方向。资源列表系统梳理了稀疏检索、密集检索等关键技术，为相关研究提供了宝贵的参考。
LibRecommender - 推荐系统开源库 集成多种算法与完整工作流
GithubLibRecommender协同过滤开源项目推荐系统机器学习深度学习
LibRecommender是一个专注于端到端推荐流程的开源系统库。它实现了FM、DIN、LightGCN等多种流行算法,支持协同过滤和基于内容的混合推荐。该库具有低内存占用、支持冷启动和动态特征等优势,提供从数据处理到模型训练、评估和部署的完整工作流。其API设计统一友好,适用于多种推荐场景。
相关项目
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。

使用协议隐私政策广告服务
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