liuq4360 / recommender_systems_abc
基于netflix prize 和 H&M开源数据集,从零开始构建企业级推荐系统。
☆81Updated last month
Alternatives and similar repositories for recommender_systems_abc:
Users that are interested in recommender_systems_abc are comparing it to the libraries listed below
- 推荐算法实战(Recommend algorithm)☆154Updated 7 months ago
- 基于 Pytorch 实现推荐系统相关的算法☆169Updated 3 years ago
- 零基础入门推荐系统 - 新闻推荐 Top2☆158Updated 4 years ago
- 深度学习与推荐系统学习,理论结合代码更香。☆111Updated 2 years ago
- all kinds of recommendation algorithms implement.☆120Updated 4 years ago
- 使用MovieLens数据集实现了基于Auto Encoder(AE), Variational Auto Encoder(VAE), BERT的深度学习电影推荐系统☆67Updated 4 years ago
- ☆78Updated 4 years ago
- 优质的推荐算法资源汇总☆104Updated 3 years ago
- 推荐系统之深度学习模型,框架采用tensorflow2☆53Updated 2 years ago
- Share Some Recommender System Paper I read.☆66Updated 3 years ago
- 基于王喆老师的深度学习推荐系统书籍,主要用pytorch实现了里面涉及到的算法,有很少数量的算法是用tf2.0实现的。在这个过程中也参考很多大佬的复现代码,希望自己能持续学习 多多去实现。☆38Updated 2 years ago
- 本项目使用两种算法来实现一个电影推荐系统,一个是CNN,另一个是矩阵分解的协同过滤。☆133Updated 6 years ago
- 主流推荐系统Rank算法的实现☆217Updated last year
- 推荐系统从入门到实战☆168Updated 3 years ago
- 存放推荐算法相关代码、文档、资料☆235Updated 4 years ago
- Implementation of DSSM for recommendation by PyTorch (Including SENet and random negative sampling)☆70Updated 2 years ago
- 一些经典的CTR算法的复现; LR, FM, FFM, AFM, DeepFM, xDeepFM, PNN, DCN, DCNv2, DIFM, AutoInt, FiBiNet,AFN,ONN,DIN, DIEN ... (pytorch, tf2.0)☆245Updated 2 years ago
- 推荐系统与深度学习☆34Updated 3 years ago
- 推荐系统学习笔记☆195Updated last year
- 推荐系统论文算法实现,包括序列推荐,多任务学习,元学习等。 Recommendation system papers implementations, including sequence recommendation, multi-task learning, met…☆176Updated last year
- Recommend System☆29Updated 4 years ago
- 天池学习赛 零基础入门推荐系统 正式赛 第三名(0.2592) 开源代码☆45Updated 4 years ago
- 推荐系统---实验+复现+创新☆49Updated last year
- 推荐系统竞赛TOP开源解决方案汇总。☆240Updated 3 years ago
- 阿里DIEN与DIN Tensorflow2.0 复现☆53Updated 4 years ago
- 实现了基于协同过滤(UserCF)的模型、基于隐语义(LFM)的模型、基于图(PersonalRank)的模型,并结合三种模型的结果给出最终结果的推荐算法☆23Updated 5 years ago
- 深度学习推荐算法☆22Updated 3 years ago
- A Lighting Pytorch Framework for Recommendation Models, Easy-to-use and Easy-to-extend.☆464Updated last month
- collaborative filtering methods for recommender systems☆61Updated 3 years ago
- ☆92Updated 3 years ago