推荐算法的常用算法库总结

1、caserecommender

该框架旨在提供一组丰富的组件，从中可以构造自定义的一组算法的推荐系统

安装方法：pip --default-timeout=10000 install caserecommender

该库的详细使用文档链接：Python CaseRecommender包_程序模块 - PyPI - Python中文网

请参考github链接：GitHub - caserec/CaseRecommender: Case Recommender: A Flexible and Extensible Python Framework for Recommender Systems

2、xlearn

包含LR、FM、ffm这三种机器学习方法，

该库的使用文档链接：xLearn Python API 使用指南

3、deepctr

这是一个基于tensorflow深度学习框架的推荐算法库，里面可以调用的模型包括常见的比如

Deep & Cross Network、Neural Factorization Machine、

Wide & Deep、DeepFM等深度学习算法

这个库有cpu版本和gpu版本，

cpu版本安装方法：pip --default-timeout=10000 install deepctr[cpu]

gpu版本安装方法：pip --default-timeout=10000 install deepctr[gpu]

该库的详细使用文档链接https://deepctr-doc.readthedocs.io/en/latest/index.html

如果想了解关于这个库包含的具体算法

请参考大佬的github链接：https://github.com/shenweichen/DeepCTR/

4、deepctr-torch

这是一个基于pytorch深度学习框架的推荐算法库，内置的模型同deepctr

安装方法：pip --default-timeout=10000 install deepctr_torch

该库的详细使用文档链接https://deepctr-torch.readthedocs.io/en/latest/index.html

如果想了解关于这个库包含的具体算法

请参考大佬的github链接：GitHub - shenweichen/DeepCTR-Torch: 【PyTorch】Easy-to-use,Modular and Extendible package of deep-learning based CTR models.

5、tensorflow-recommenders

这也是一个基于tensorflow开源的可用于构建和应用复杂的推荐模型的算法库

安装方法：pip --default-timeout=10000 install tensorflow-recommenders

该库的详细使用文档链接：https://pypi.org/project/tensorflow-recommenders/

如果想了解关于这个库包含的具体算法

请参考github链接：https://github.com/tensorflow/recommenders/

6、x-deeplearning

这是阿里开源的面向高维稀疏数据场景(如广告/推荐/搜索等)深度优化的一整套解决方案

内置了深度兴趣网络(DIN)、用户兴趣演化模型(DIEN)、跨媒介网络(CMN)等算法模型

如果想了解关于这个库包含的具体算法

请参考github链接：https://github.com/alibaba/x-deeplearning/

7、ibayer/fastFM

参考github链接：https://github.com/ibayer/fastFM

8、Mendeley/mrec

参考github链接：https://github.com/mendeley/mrec

9、muricoca/crab

参考github链接：https://github.com/muricoca/crab

10、MrChrisJohnson/logistic-mf

参考github链接：https://github.com/MrChrisJohnson/logistic-mf

11、jadianes/winerama-recommender-tutorial

参考github链接：https://github.com/jadianes/winerama-recommender-tutorial

12、ocelma/python-recsys

参考github链接：https://github.com/ocelma/python-recsys

13、benfred/implicit

参考github链接：https://github.com/ocelma/python-recsys

14、lyst/lightfm

参考github链接：https://github.com/lyst/lightfm

15、python-recsys/crab

参考github链接：https://github.com/python-recsys/crab

16、NicolasHug/Surprise

参考github链接：https://github.com/lyst/lightfm