推荐系统：开源项目/工具【谷歌：TensorFlow Recommenders】【Facebook：TorchRec】【百度：Graph4Rec】【阿里：DeepRec和EasyRec】

已于 2022-08-06 09:28:06 修改
阅读量465 收藏
点赞数
分类专栏： 推荐系统/RS 文章标签： 推荐系统
于 2022-07-30 17:28:12 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013250861/article/details/126075155
版权

推荐系统（Recommender System）主要是用于解决大数据时代信息过载的问题，其主要根据用户的历史偏好和约束为用户提供排序的个性化物品（item）推荐列表，更精准的推荐系统可以提升和改善用户体验。目前在推荐系统领域已有大量的开源项目，包括谷歌，Facebook，百度三大家官方都有提供相关的工具支持。本文详细列举了目前在推荐系统领域的一些项目/工具，用于助力推荐系统研究。

一、谷歌：TensorFlow Recommenders

在这里插入图片描述

参考资料：
推荐系统领域开源项目/工具介绍
推荐系统领域开源项目/工具介绍

u013250861
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
推荐器：TensorFlow Recommenders是一个使用TensorFlow构建推荐器系统模型的库
02-06
TensorFlow推荐人 TensorFlow Recommenders是一个使用构建推荐系统模型的库。 它有助于构建推荐系统的完整工作流程：数据准备，模型制定，培训，评估和部署。 它基于Keras构建，旨在使学习曲线平缓，同时仍使您可以...
Recommenders:推荐系统的最佳实践-开源
06-22
Recommenders 存储库提供构建推荐系统的示例和最佳实践，以 Jupyter 笔记本的形式提供。 模块 reco_utils 包含简化开发和评估推荐系统时使用的常见任务的功能。 reco_utils 中提供了几个实用程序来支持常见任务，...
推荐系统：开源项目/工具【谷歌：TensorFlow Recommenders】【FB：TorchRec】【百度：Graph4Rec】【阿里：DeepRec和EasyRec】【人大：RecBole】
u013250861的博客
12-17 817
推荐系统（Recommender System）主要是用于解决大数据时代信息过载的问题，其主要根据用户的历史偏好和约束为用户提供排序的个性化物品（item）推荐列表，更精准的推荐系统可以提升和改善用户体验。目前在推荐系统领域已有大量的开源项目，包括谷歌，Facebook，百度三大家官方都有提供相关的工具支持。本文详细列举了目前在推荐系统领域的一些项目/工具，用于助力推荐系统研究。注：以下项目排名不分先后。
ML：阿里云计算平台之搜索推荐演讲分享《多场景智能推荐助力业务增长》、《阿里云智能推荐应用实践：PAI-EasyRec Framework》、《新一代数仓架构漫谈》
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
03-08 2068
可以将指定数据源中的数据，通过简单的配置，一次性的实时同步到Hologres中，支持整库内批量多表同步，同时也支持全增量一体化同步，先全量数据迁移，然后实时增量保持更新。定制算法策略的同时，无需关注上游的数据埋点、清洗逻辑、以及下游的在线链路拼接逻辑，仅需在控制台手动创建实验，即可对一组、多组配置进行修改，进行效果的追踪与实验的决策。通离线平台结合预采用的行业内算法模型，通过拖拽的简易方式，进行上下游数据连通，节点参数配置，串通一套完整的召回/排予侯全，并生成召回表/生排序模型。如何保证QPS和RT?
【GitHub项目推荐--10个最佳开源推荐系统/算法/资源】【转载】
j8267643的博客
03-25 2160
推荐系统的核心是推荐引擎，推荐引擎根据特定客户之前的购买历史过滤出他或她感兴趣或会购买的产品。关于客户的可用数据越多，建议就越准确。但如果客户是新客户，这种方法将失败，因为我们没有该客户以前的数据。因此，为了解决这个问题，就需改变策略，通常推荐最受欢迎的产品给客户不一定准确，因为对所有新客户推荐内容都是一样的。因此，一些APP会询问新客户的兴趣，以便他们可以更准确地推荐。针对不同的客户或者产品，推荐引擎的过滤方式可以包括：基于内容的过滤、协同过滤、混合过滤等。（1）基于内容的过滤。
推荐系统实战2——EasyRec 推荐框架环境配置
Bubbliiiing的学习小课堂
11-16 4707
EasyRec是阿里巴巴开源的推荐系统框架。生命苦短，从建好的推荐系统框架开始学，可以更高效的学习与入门推荐系统，也有利于对推荐系统有个整体的认知。
开源|商品识别推荐系统
To be a better man
07-30 848
几个月前做的项目，整理一下，比较简单，就是根据数据集进行图片分类（使用resnet50），再通过识别结果匹配推荐数据库，进行推荐。
matrix_factorization_recommenders:推荐系统的低秩矩阵分解
03-11
matrix_factorization_recommenders 推荐系统的低秩矩阵分解 Jupyter Notebook将与Recommender Systems的低秩矩阵分解一起发布。
Recommendation-System:推荐系统
03-11
一直想做一个推荐系统，便和朋友着手去做好，对应的文件如下： 算法 推荐系统相关的算法，数据处理。 positionData 采用scrapy爬取到的数据。 positionDetails 使用scrapy的爬虫文件，主要爬取职位详情，其中添加了...
探秘阿里巴巴推荐系统：一个开源的技术实践
gitblog_00033的博客
03-30 262
探秘阿里巴巴推荐系统：一个开源的技术实践 项目地址:https://gitcode.com/Huangtuzhi/AlibabaRecommand 项目简介 阿里巴巴推荐系统 是由阿里集团贡献的一个开源项目，它提供了一套完整的、适用于大规模在线推荐服务的解决方案。这个项目旨在帮助开发者和企业快速搭建自己的个性化推荐平台，以提升用户体验并优化业务效果。 技术分析 该项目基于Java开发，核心组件包括...
graph4nlp:Graph4nlp 是一个用于轻松使用 NLP 的图神经网络的库
08-04
Graph4NLP Graph4NLP是一个易于使用的库，用于图深度学习和自然语言处理（即 DLG4NLP）交叉点的研发。 它既为数据科学家提供了最先进模型的完整实现，也为研究人员和开发人员提供了灵活的接口来构建具有全管道支持的定制模型。 Graph4NLP建立在高度优化的运行库（包括 ）之上，具有高运行效率和强大的可扩展性。 Graph4NLP的架构如下图所示，其中虚线框代表正在开发的功能。 Graph4NLP 由四个不同的层组成：1) 数据层，2) 模块层，3) 模型层，以及 4) 应用层。 图片: Graph4NLP 整体架构 Graph4NLP 新闻 06/05/2021： v0.4.1 版本。 试试看！ 快速游览 Graph4nlp旨在使在 NLP 任务中使用 GNN 变得非常容易（查看）。 下面是一个如何使用Graph2seq模型的示例（广泛用于机器翻译、问答、语义解析以
crab：基于python推荐系统框架
07-28
基于python开发的推荐系统框架 代码清晰明了，而且不断改进，值得一读 http://github.com/muricoca/crab 可以来这里看看
dianping:基于ElasticSearch + Spark的智能搜索和推荐系统
05-04
DIANPING 介绍： 基于elasticSearch + Spark的智能搜索和推荐系统 基础服务搭建 Java环境: JDK1.8 数据库: MySQL5.6+ Java框架版本: SpringBoot2.1.5 Maven: Maven3.2 机器学习框架: Spark Mllib 2.4.4 搜索中间件: ElasticSearch7.3.0 品类管理服务 新增品类 查询品类 门店服务 门店创建 门店地理位置（基于lbs 地理位置接入） 门店查询 目录：
酒店推荐系统源码java-CorporateEntityRecognition:基于深度学习的企业实体识别
06-06
酒店推荐系统源码java 基于深度学习的企业实体识别 摘要 ​ 随着深度学习技术的发展，文字识别与自然语言处理近年来受到广泛关注。结合文字识别与自然语言处理技术解决传统方法无法处理的问题，成为企业提高自身竞争力的重要利器。 需求分析 背景及研究意义 ​ 实体识别技术在布局各类证件、通用文字识别等相关领域都有着重要应用前景，我们相信实体识别技术将会支持更多应用场景，满足更多用户的需求。例如，通过拍照扫描等方式，提供身份信息的快速自动录入体验，以提高边检/酒店/旅游/公共安全以及电商等行业领域的工作效率；自然场景实体识别可以捕获现实中多种场景下的文字，可有效支持虚拟现实、人机交互、图像检索、无人驾驶、车牌识别、工业自动化等领域中广泛的应用。综上，实体识别技术有着广泛的应用前景。 作品简介 ​ 企业实体识别主要应用在我们目前业务系统中的查证功能。查证功能的主要作用是将用户拍摄的店铺照片经过OCR识别后进行店铺名称的提取，然后通过店铺名称查询证照库，获取该店铺办理过的所有证照信息，方便用户进一步了解该店铺。在日常应用中，例如外出就餐时利用我们的系统随手拍摄要就餐的饭店门脸，系统会自动检测
推荐系统源码
07-01
推荐系统源码
探索未来的推荐系统：Gorse 引擎
最新发布
gitblog_00052的博客
05-11 305
探索未来的推荐系统：Gorse 引擎 项目地址:https://gitcode.com/gorse-io/gorse 在这个信息爆炸的时代，如何从海量的数据中找到自己真正感兴趣的内容？Gorse 推荐系统引擎正是为此而生。作为一个开源的推荐系统，Gorse 使用 Go 语言编写，旨在提供一个通用且易于集成到各类在线服务中的解决方案。 项目介绍 Gorse 不仅是一个强大的推荐引擎，还拥有自动化机器...
PAI和Hologres的个性化推荐最佳实践
阿里云开发者
04-23 814
简介：常见的个性化推荐系统包括日志收集，数据加工，召回，排序，离在线效果评估等诸多环节，对于中小客户存在技术门槛高，搭建周期长等问题。计算平台基于 PAI，Hologres，MaxCompute，DataWorks 平台产品，可以帮助客户快速搭建个性化推荐解决方案。本次分享，主要从计算平台的推荐系统整体解决方案出发，重点介绍基于 PAI 的向量召回算法和 Hologres 向量检索的整体架构，以及该架构在某社交APP的落地案例和效果分享。本文内容来自于由达摩院领航举办的3月20日向量检索专场Meetup讲师
分享几个github上开源的推荐系统项目
weixin_45727359的博客
05-18 2168
花了点时间，给大家整理了几个GitHub上开源的推荐系统项目。文末有彩蛋哦~1、muricoca/crabhttps://github.com/muricoca/crab2、ibayer/fastFMhttps://github.com/ibayer/fastFM3、Mendeley/mrechttps://github.com/mendeley/mrec4、MrChri...
tensorflow v1 推荐系统
01-31
根据提供的引用内容，TensorFlow v1可以用于构建推荐系统。其中，Deep & Cross Network（DCN）是一种用于广告点击预测的深度交叉网络模型。DCN V1和DCN V2是两个版本的DCN模型，分别用于改进深度交叉网络和实际应用...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值