liuxiangmin9 / recommendation
经典推荐算法的python实现或使用,涵盖协同过滤、矩阵分解、gbdt+lr,以及Wide&Deep等深度推荐模型。
☆9Updated 3 years ago
Alternatives and similar repositories for recommendation:
Users that are interested in recommendation are comparing it to the libraries listed below
- 推荐算法练手项目。☆9Updated 4 years ago
- 用户画像,知识图谱挖掘☆10Updated 2 years ago
- CIKM 2019 E-Commerce AI Challenge - 超大规模推荐之用户兴趣高效检索☆11Updated 3 years ago
- 结合开源数据集进行电影推荐。推荐算法有:逻辑回归;UserCF ; ItemCF☆16Updated 4 years ago
- 介绍作者在学习推荐系统过程中学习到的知识,包括爬虫、大数据、NLP、召回、排序等模块。包括知识总结和代码实践两部分。☆11Updated 4 years ago
- 基于用户的协同过滤(UserCF)与基于内容(CB)的推荐算法的后融合☆13Updated 4 years ago
- 推荐系统与深度学习☆35Updated 4 years ago
- 天池-人工智能辅助糖尿病预测Rank42/2522☆23Updated 5 years ago
- A network TV program recommendation system implemented by python is mainly based on the post-fusion of user collaborative filtering and c…☆29Updated 5 years ago
- 利用用户画像数据、物品元数据、用户行为数据为特征构建推荐系统,使用CB和CF算法做推荐召回,使用 Redis数 据库做缓存处理,结合机器学习LR算法推荐排序,达到粗排、精排效果,实现推荐引擎搭建。☆45Updated 4 years ago
- 电商行业知识图谱:构建电商行业实体关系,应用于商品推荐,商品搭配,问答系统。☆21Updated 5 years ago
- 《推荐系统实践》学习笔记☆39Updated 6 years ago
- 短视频内容理解与推荐竞赛☆83Updated 5 years ago
- tensorflow2.0 实现的 DCN (Deep & Cross Network) ,使用 Criteo 子数据集加以实践。☆15Updated 4 years ago
- 智源研究院-知乎看山杯2019 专家挖掘大赛(20th)☆11Updated 2 years ago
- 人人都能看懂的轻量级解决方案☆16Updated 4 years ago
- DataFountain第五届达观杯第4名方案☆12Updated 3 years ago
- 简单的实现推荐系统的召回模型和排序模型,其中召回模型使用协同过滤算法,排序模型使用gbdt+lr算法☆59Updated 6 years ago
- 实现了一系列常见的推荐算法,如UserCF,ItemCF,SVD等,包含“切分训练集与测试集-训练模型-推荐-评估”一整套流程。☆20Updated 4 years ago
- 短视频内容理解与推荐竞赛☆11Updated 6 years ago
- 2016CCF大数据与计算智能大赛——搜狗用户画像☆10Updated 7 years ago
- Spark实践:音乐个性化推荐——基于ALS矩阵分解的协同过滤算法☆19Updated 6 years ago
- 矩阵分解(BPRMF) + 知识图谱表示学习(TransR) 构建的推荐系统☆22Updated 5 years ago
- 高效的协同过滤算法实现——推荐系统☆51Updated 2 years ago
- 中文文本情感分类利用cnn☆20Updated 5 years ago
- SGD for Probabilistic Matrix Factorization(PMF)☆15Updated 6 years ago
- 个性化推荐模型,主要包括als、als_wr、biaslfm、lfm、nmf、svdpp、基于内容、基于内容回归、user-cf、item-cf、slopeone、关联规则以及基于内容和cf的混合等模型。☆32Updated 2 years ago
- 学习并复现经典的推荐系统多目标任务,如:SharedBottom、ESMM、MMoE、PLE☆35Updated 2 years ago
- ☆10Updated 4 years ago
- 1.解析爬取到的Json歌单数据,并进行数据预处理。 2.基于Surprise推荐系统库,采用KNNBaseLine实现基于用户 的协同过滤歌曲推荐。3.借鉴Word2Vec算法思想进行Song2Vec 处理,实现基于物品的协同过滤歌曲推荐。 4.采用 TensorFlow实…☆39Updated 6 years ago