Project Icon

RecBole

基于Python和PyTorch的推荐系统框架,支持91种算法和43个数据集

RecBole是一个基于Python和PyTorch的推荐系统框架,旨在高效地复现和开发推荐算法。该框架包含91种算法,涵盖通用推荐、序列推荐、情境推荐和知识推荐四大类。RecBole支持43个基准数据集,并提供GPU加速和标准评估协议以满足研究需求。最新版本增加了扩展包,提升用户体验,并支持多GPU和混合精度训练。

SASRec.pytorch - 基于PyTorch的SASRec模型实现
GithubPyTorchSASRec序列推荐开源项目推荐系统自注意力机制
SASRec.pytorch项目提供了自注意力序列推荐模型的PyTorch实现。相比原始TensorFlow版本,该项目优化了训练和推理流程,修复了正位置嵌入等问题。代码包含模型训练、评估和推理示例,并在MovieLens-1M数据集上展示了NDCG@10和HR@10指标的性能。项目适用于需要在PyTorch环境中研究或应用SASRec模型的人员,为推荐系统领域提供了有价值的开源资源。
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。
recommenderlab - R语言推荐系统开发与评估框架
GithubR包recommenderlab协同过滤开源项目推荐系统评估框架
recommenderlab是一个用于开发和评估推荐系统的R语言框架。它支持用户-物品矩阵的稀疏表示,提供多种主流推荐算法,包括UBCF、IBCF、SVD、Funk SVD、ALS等。框架具备Top-N推荐、交叉验证、评分和二元数据处理等功能。recommenderlab还提供了训练/测试分割、MSE、RMSE、MAE等多种评估方法和指标,适用于电商、内容推荐等多个领域,为推荐系统研究和开发提供了全面的工具支持。
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。
cornac - 多模态推荐系统比较框架
CornacGithub多模态开源项目推荐系统机器学习辅助数据
Cornac是一个多模态推荐系统比较框架,支持文本、图像等辅助数据。它便于快速实验和实现新模型,兼容TensorFlow、PyTorch等库。Cornac实现了协同过滤、内容推荐等多种算法,支持高效近似最近邻搜索。框架还提供简单的模型部署方式,有助于构建推荐系统应用。
recommenders-addons - 大规模推荐系统中的动态嵌入技术增强体验
GPU加速GithubTensorFlow Recommenders Addons动态嵌入技术大规模训练开源项目推荐系统
TensorFlow Recommenders Addons通过引入动态嵌入技术,使TensorFlow更适合搜索、推荐和广告模型的训练,全面兼容TensorFlow优化器和CheckPoint功能,支持GPU上的训练和推理。项目增强了推荐系统性能,解决了哈希冲突问题,并提供多种动态嵌入存储选项(如cuckoohash_map和Redis)。支持TF serving和Triton Inference Server,以便在大规模环境中部署和评估复杂推荐模型。
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。
RecAI - 衔接大语言模型和推荐系统
AI代理GithubLLM4RecRecAI开源项目推荐系统深度学习
RecAI 项目旨在通过整合大规模语言模型 (LLMs) 开发更先进的推荐系统,主要提升交互性、可解释性和控制性。项目研究了多种技术,包括推荐 AI 代理、个性化提示、语言模型微调、模型解释器和评价系统。目标是通过全面的方法,解决 LLM4Rec 在实际应用中的需求,打造更加智能和可信赖的推荐系统。
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。
mlgb - 多模型支持的CTR预测和推荐系统库
CTR预测GithubMLGB开源项目推荐系统机器学习深度学习模型
MLGB是一个Python库,集成了50多种CTR预测和推荐系统模型,兼容TensorFlow和PyTorch框架。该库提供简洁的API,方便快速调用复杂模型。通过代码优化,MLGB实现了高效性能,为研究和工程实践提供了多样化的模型选择。
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