這裏寫自定義目錄標題
DeepRec簡單介紹
近幾年,深度學習在很多領域都有了突破性的成功,在推薦系統領域也不例外。目前很多企業已經將推薦系統的架構從傳統的方法切換到了深度學習的方法。 作爲一個快速發展的領域,每年出來的文章不計其數,作爲一個科研人員, 我們需要去實現別人的方法去進行對比試驗,這無疑增加了入門的難度。因此,deeprec給大家提供了一個工具,這裏我們實現了很多先進的基於深度學習的推薦系統算法,我們可以直接拿來測試, 也可以在這個包上去擴展,寫自己的方法。感興趣的可以點star:
https://github.com/cheungdaven/DeepRec
實現的方法
它大概實現瞭如下的三個類別的方法:(1)評分預測 (2)TOP N排序 (3)基於時序的推薦算法:
例如,它實現瞭如下方法。
I-AutoRec and U-AutoRec (www’15)
CDAE (WSDM’16)
NeuMF (WWW’17)
CML (WWW’17)
LRML (WWW’18) (DRAFT ONLY, testing will come soon)
NFM (SIGIR’17)
NNMF (arxiv)
PRME (IJCAI 2015)
CASER (WSDM 2018)
AttRec (AAAI 2019 RecNLP)
依賴的包
Tensorflow 1.7+, Python 3.5+, numpy, scipy, sklearn, pandas
參考文獻
@article{zhang2019deeprec,
title={Deep learning based recommender system: A survey and new perspectives},
author={Zhang, Shuai and Yao, Lina and Sun, Aixin and Tay, Yi},
journal={ACM Computing Surveys (CSUR)},
volume={52},
number={1},
pages={5},
year={2019},
publisher={ACM}
}