Github上超火的Python开源项目-对经典论文进行复现

建立原因

开源项目Recommended System with TF2.0主要是对阅读过的部分推荐系统、CTR预估论文进行复现。建立的原因有三个：

1. 理论和实践似乎有很大的间隔，学术界与工业界的差距更是如此；
2. 更好的理解论文的核心内容，增强自己的工程能力；
3. 很多论文给出的开源代码都是TF1.x，因此想要用更简单的TF2.0进行复现； 当然也看过一些知名的开源项目，如DeepCTR等，不过对自己目前的水平来说，只适合拿来参考。

项目特点

项目特点：

• 使用TF2.0-CPU进行复现；
• 每个模型都是相互独立的，不存在依赖关系；
• 模型基本按照论文进行构建，实验尽量使用论文给出的的公共数据集。如果论文给出github代码，会进行参考；
• 对于实验数据集有专门详细的介绍；
• 代码源文件参数、函数命名规范，并且带有标准的注释；
• 每个模型会有专门的代码文档（.md文件）或者其他方式进行解释；

目前复现模型

目前复现的模型有（按复现时间进行排序）：

• NCF
• DIN
• Wide&Deep
• DCN
• PNN
• Deep Crossing
• DeepFM 持续更新中······

具体内容

开源项目的具体内容如下：

1、数据集的介绍

对复现过程中所使用的数据集进行简单的介绍、对其中的特征进行分析以及处理数据集的过程。

例如&#