白水的博客

文章目录1. RecoGym2. RecSim3. Lenskit4. Recommenderlab5. MyMediaLite6. Python-Recsys7. Waffles8. LightFM9. Sparrow RecSys10. Mahout11. GraphLab Create1. RecoGymRecoGym是一个侧重于强化学习的推荐系统模拟环境，它提供了一个统一的推荐框架，在这个框架中可以将经典推荐算法和强化学习方法结合使用，并且拥有离线和在线实验的功能，让推荐系统研究人员可以更好地把

RecSim是一个可配置平台，用于为自然支持顺序交互的推荐系统（RS）编写仿真环境 与用户。RecSim允许创建新的环境，该环境以抽象级别反映用户行为和项目结构的特定方面，非常适合在顺序交互式推荐问题中突破当前强化学习（RL）和RS技术的限制。可以轻松配置各种环境，这些环境可以改变以下假设：用户偏好和项目熟悉度；用户潜在状态及其动态；选择模型和其他用户响应行为。我们概述了RecSim如何为RL和RS研究人员和从业者提供价值，以及它如何充当学术与工业合作的工具。有关RecSim体系结构的详细说明，请阅读Ie等

1. 推荐系统1.1. 什么是推荐系统1.2. 推荐系统评测1.2.1. 实验方法1.2.2. 评判指标1.2.3. 评判维度2. 数据来源2.1. 用户行为数据2.2. 用户标签数据2.3. 上下文信息2.3.1. 时间上下文信息2.3.2. 地点上下文信息2.4. 社交网络数据3. 通用推荐模型3.1. 协同过滤推荐3.1.1. 基于邻域的模型3.1.2. 隐语义模型3.1.3. 基于图的模型3.2. 基于内容的推荐3.3. 基于关联规则的推荐3.4. 基于知识的