Magic-Bubble / RecommendSystemPractice
《推荐系统实践》代码实现
☆688Updated 5 years ago
Related projects ⓘ
Alternatives and complementary repositories for RecommendSystemPractice
- 推荐系统实例☆773Updated 6 years ago
- 推荐系统☆764Updated 5 years ago
- 项亮的《推荐系统实践》的代码实现☆479Updated 4 years ago
- 原理解析及代码实战,推荐算法也可以很简单 🔥 想要系统的学习推荐算法的小伙伴,欢迎 Star 或者 Fork 到自己仓库进行学习🚀 有任何疑问欢迎提 Issues,也可加文末的联系方式向我询问!☆649Updated 2 years ago
- UserCF和ItemCF协同过滤推荐算法的实现☆514Updated 2 years ago
- 推荐系统综述☆458Updated last year
- 推荐系统从入门到实战☆168Updated 2 years ago
- 一个简单的电影推荐系统☆228Updated 2 years ago
- 一些传统推荐算法的实现,包括基于内容的推荐,协同过滤,矩阵分解☆281Updated 6 years ago
- [推荐系统] Based on the scoring data set, the recommendation system is built with FM and LR as the core(基于评分数据集,构建以FM和LR为核心的推荐系统).☆305Updated 2 years ago
- MovieLens based recommender system.使用MovieLens数据集训练的电影推荐系统。☆1,242Updated 5 years ago
- 阅读过的推荐系统论文的归类总结,持续更新中…☆358Updated 5 years ago
- Recommender Learning with Tensorflow2.x☆1,864Updated 2 years ago
- 基于MovieLens-1M数据集实现的协同过滤算法demo☆372Updated 6 years ago
- 【浅梦学习笔记】文章汇总:包含 排序&CXR预估,召回匹配,用户画像&特征工程,推荐搜索综合 计算广告,大数据,图算法,NLP&CV,求职面试 等内容☆1,588Updated last year
- CTR prediction models based on deep learning(基于深度学习的广告推荐CTR预估模型)☆918Updated 4 years ago
- 练习下用pytorch来复现下经典的推荐系统模型, 如MF, FM, DeepConn, MMOE, PLE, DeepFM, NFM, DCN, AFM, AutoInt, ONN, FiBiNET, DCN-v2, AFN, DCAP等☆544Updated 2 years ago
- 该仓库尝试整理推荐系统领域的一些经典算法模型☆1,747Updated last year
- 深度学习相关的模型训练、评估和预测相关代码☆1,014Updated 3 years ago
- 推荐系统/计算广告相关仓库,个人博客https://jesse-csj.github.io/☆282Updated 3 years ago
- 计算广告/推荐系统/机器学习(Machine Learning)/点击率(CTR)/转化率(CVR)预估/点击率预估☆1,953Updated 4 years ago
- 该仓库主要记录 推荐系统 算法工程师相关的面试题☆517Updated last year
- 推荐系统竞赛TOP开源解决方案汇总。☆226Updated 3 years ago
- 存放推荐算法相关代码、文档、资料☆226Updated 3 years ago
- CTR模型代码和学习笔记总结☆377Updated 3 years ago
- 推荐系统学习笔记☆190Updated last year
- 推荐、广告工业界经典以及最前沿的论文、资料集合/ Must-read Papers on Recommendation System and CTR Prediction☆994Updated 9 months ago
- 基础的深度学习实验研究结果汇总笔记☆502Updated last year
- 深度学习在推荐系统中的应用及论文小结。☆796Updated 4 years ago
- 公众号: 机器学习荐货情报局 所有代码☆547Updated 5 years ago