搜集的十大开源推荐算法

搜集的十大协同过滤算法，仅供参考

#1.SVDFeature

主页：http://svdfeature.apexlab.org/wiki/Main_Page 语言：C++
一个feature-based协同过滤和排序工具，由上海交大Apex实验室开发，代码质量较高。在KDD Cup 2012中获得第一名，KDD Cup 2011中获得第三名，相关论文 发表在2012的JMLR中，这足以说明它的高大上。
SVDFeature 包含一个很灵活的Matrix Factorization推荐框架，能方便的实现SVD、SVD++等方法,  是单模型推荐算法中精度最高的一种。SVDFeature代码精炼，可以用 相对较少的内存实现较大规模的单机版矩阵分解运算。另外含有Logistic  regression的model，可以很方便的用来进行ensemble。

#2.LibMF

主页：http://www.csie.ntu.edu.tw/~cjlin/libmf/ 语言：C++
作者Chih-Jen Lin来自大名鼎鼎的台湾国立大学，他们在机器学习领域享有盛名，近年连续多届KDD Cup竞赛上均 获得优异成绩，并曾连续多年获得冠军。台湾大学的风格非常务实，业界常用的LibSVM， Liblinear等都是他们开发的，开源代码的效率和质量都非常高。
LibMF 在矩阵分解的并行化方面作出了很好的贡献，针对SGD（随即梯度下降）优化方法在并行计算中存在的locking problem和memory  discontinuity问题，提出了一种 矩阵分解的高效算法FPSGD（Fast Parallel  SGD），根据计算节点的个数来划分评分矩阵block，并分配计算节点。系统介绍可以见这篇