Project Icon

RLMRec

融合大语言模型的推荐系统表示学习框架

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。

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。
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。
RePlay - 全周期推荐系统开发与评估框架
GithubRePlay开源项目推荐系统数据预处理模型评估超参数优化
RePlay是一个覆盖推荐系统全生命周期的开发评估框架。它集成了数据预处理、模型构建、参数优化、性能评估和模型集成等功能。该框架支持CPU、GPU等多种硬件,并可与PySpark结合实现分布式计算。RePlay能帮助开发者顺利将推荐系统从离线实验转到在线生产环境,提升系统的可扩展性和适应性。
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。
Transformers4Rec - 灵活高效的PyTorch兼容序列与会话推荐库
GithubHugging Face TransformersNLPPyTorchRecSysTransformers4Rec开源项目
Transformers4Rec是一个结合Hugging Face Transformers框架的高效库,专注于自然语言处理和推荐系统的结合。通过支持多种输入特征和模块化设计,它提供了与PyTorch兼容的高灵活性架构。集成NVTabular和Triton Inference Server,实现了全GPU加速的管道,优化了序列和会话推荐效果。其在业内竞赛中的优异表现展示了其在会话推荐任务中的高准确性。
RecTools - 功能丰富的推荐系统开发Python库
GithubPython库RecTools开源项目推荐系统数据处理机器学习
RecTools是一个专为推荐系统开发设计的Python库。它集成了数据处理、指标计算、多种推荐模型和模型选择框架。支持矩阵分解、最近邻和神经网络等算法,并可利用用户和物品特征。RecTools注重易用性和灵活性,有助于快速构建和部署推荐系统。
rellm - 使用正则表达式提高语言模型输出的准确性
GPT2GithubReLLM开源项目正则表达式结构化数据语言模型
ReLLM项目利用正则表达式控制语言模型的输出,可生成特定的语法或语义结构,如日期、数字或完整模板。ReLLM在生成前过滤不匹配的词元,提升生成质量。即使是小型模型,也能在ReLLM的帮助下提高输出质量。该项目适用于需要解析JSON、XML等上下文无关文法的场景。
daisyRec - 开源推荐系统评估和基准测试框架
GithubPython工具包协同过滤基准测试开源项目推荐系统深度学习
daisyRec是一个支持多维度公平比较的Top-N推荐任务基准测试框架。该开源工具整合了传统和深度学习推荐算法,支持CUDA加速和多个公开数据集。通过提供GUI命令生成器和严格的评估标准,daisyRec致力于推动推荐系统研究的可复现性和公平比较。
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。
recommenders - 利用TensorFlow构建推荐系统模型的库
GithubKerasTensorFlow Recommenders开源项目推荐系统数据准备模型训练
TensorFlow Recommenders 是一款利用TensorFlow构建推荐系统模型的库。它涵盖了数据准备、模型构建、训练、评估和部署的完整工作流程,基于Keras,旨在为用户提供易学且灵活的体验,能够支持构建复杂模型。只需确保安装TensorFlow 2.x,并使用pip安装即可开始使用。详细的文档和教程能够帮助用户快速入门。
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