Project Icon

RecSysDatasets

推荐系统公开数据集汇总及处理工具

RecSysDatasets是一个汇总公开推荐系统数据集的开源项目。该项目收集了电商、广告、电影等多个领域的数据集,并提供将数据集转换为统一格式的工具。这有助于研究人员更便捷地获取和使用各类推荐系统数据集,为算法开发和评估提供支持。项目与RecBole推荐系统库集成,便于进行算法测试。

instruction-datasets - 大语言模型指令微调数据集汇总
GithubInstruction TuningNLP多语言大语言模型开源项目数据集
该项目整理了大语言模型指令微调所需的多种数据集,包括金标准、银标准/LM生成和偏好数据集。内容涵盖多语言和多模态任务,提供指令-响应对和人类偏好评分等资源。这些数据集有助于提升模型的指令跟随、对话和任务执行能力,为NLP研究和开发提供重要参考。
LLMDataHub - 大语言模型训练数据集合
GithubLLMDataHub大语言模型开源社区开源项目数据集聊天机器人
LLMDataHub汇聚高品质大语言模型训练数据,为研究人员和从业者提供丰富的数据资源。该平台涵盖多种数据集,适合提升聊天机器人对话质量、应答生成及语言理解。同时,平台更新最新数据集,助您获取行业前沿资源。
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。
Surprise - 专为推荐系统设计的Python科学计算工具包
GithubPythonSurprise协同过滤开源项目推荐系统机器学习
Surprise是一个专门用于构建和分析基于显式评分数据的推荐系统的Python科学计算工具包。它简化了数据集处理,提供多种预测算法和相似度度量,支持新算法实现,并具备评估和比较算法性能的工具。Surprise适用于学术研究和商业应用,为推荐系统开发提供了全面的解决方案。
awesome-open-data-centric-ai - 开源工具提升数据驱动的AI构建效率
DCAIData-centric AIGithubRenumicsopen-source工具unstructured data开源项目
该项目提供了多种开源工具,旨在在非结构化数据上实现数据驱动的AI工作流。通过系统地提升训练数据集的质量,可以开发出在实际应用中具备更高价值的AI系统。工具涵盖数据版本控制、嵌入和预训练模型、可视化与交互、异常和噪声检测、可解释性、主动学习等多个类别,且均为活跃维护,适用于日常使用。目标是帮助用户发现并利用这些工具,从而提高AI系统的开发效率和质量。
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。
recap - 多源数据模式读写与转换工具
API集成GithubRecap开源项目数据架构数据转换
Recap是一个开源数据模式管理工具,支持从多种数据源读取和写入标准格式的数据模式。它兼容Avro、BigQuery、Confluent Schema Registry等格式,提供命令行界面、HTTP/JSON网关和API接口。Recap内置模式注册表功能,可进行模式存储和版本控制。该工具简化了数据集成和模式管理流程,适用于各类数据处理场景。
loghub - 系统日志数据集资源库 促进AI日志分析研究
AI分析GithubLoghub开源项目日志数据集系统日志
Loghub汇集了多个领域的原始系统日志数据集,包括分布式系统、超级计算机和操作系统等。这些未经处理的数据集保留了原始特征,为AI日志分析研究提供了重要资源。项目已获得450多个学术和工业组织的使用,并提供数据集下载和相关研究论文引用,全面支持日志分析研究。
SIGIR2020_peterrec - 基于序列行为的参数高效迁移学习推荐方法
GithubPeterRec开源项目推荐系统深度学习用户建模迁移学习
SIGIR2020_PeterRec提出了一种基于用户序列行为的参数高效迁移学习方法,用于改进推荐系统性能。该方法在冷启动等场景中表现出色。项目提供了多个大规模数据集,用于评估各类推荐模型,包括基础模型、可迁移模型、多模态模型和大语言模型。项目还包含PyTorch代码实现和详细的使用说明。
TSDB - 高效便捷的时间序列数据集加载库
GithubPyPOTSTSDB开源工具开源项目数据挖掘时间序列数据集
TSDB是一个时间序列数据集加载库,支持172个公开数据集的一键加载。该工具简化了研究人员和工程师的数据获取流程,使他们能专注于数据处理。TSDB具备数据下载、加载和缓存管理功能,并支持缓存目录迁移。作为PyPOTS工具箱的组成部分,TSDB为时间序列数据挖掘提供了基础支持。
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