记录学习推荐系统的demo
- 基于TF-IDF算法实现商品标题的关键词提取
- 使用商品和对应的短标题数据作为数据集,案例来源于《推荐系统开发实战》
- 利用标签推荐算法实现艺术家的推荐
- 使用Last.fm数据集,案例来源于《推荐系统开发实战》
- 简单的实现推荐系统的召回模型和排序模型,其中召回模型使用协同过滤算法,排序模型使用gbdt+lr算法
- 使用的数据为ml-100k的数据,data_process.py为数据处理脚本, gbdt_lr.py为gbdt和lr的排序模型的训练脚本, cf_gbdt_lr_prdict.py为融合ALS和gbdt_lr整体的预测,其中ALS为召回模型。
- 案例来源: wuxinping1992/cf_gbdt_lr
- ALS_Lightfm-关注隐式反馈-xingwudao
- 关注隐式反馈,探索了一些隐式反馈做推荐的方法。代码对应博客:为什么一定要重视隐式反馈?
- 案例来源:xingwudao/learning-to-rank-with-implicit-matrix
- Multi-Armed Bandit: epsilon-greedy
- FM(Factorization Machines)实践
- FM(Factorization Machines)的理论与实践 - 小孩不笨的文章 - 知乎
- 本文使用的数据是movielens-100k,数据包括u.item,u.user,ua.base及ua.test。 | GitHub
- 《推荐系统算法实践》,黄美灵著,第7章因子分解机
- MovieLen20M-FM-U2I-I2i-Faiss
- FM(Factorization Machines)的理论与实践 - 小孩不笨的文章 - 知乎
- LightFM练习
- FNN(FM+DNN)
- Wide & Deep
- 案例来源:《推荐系统算法实践》,黄美玲,第12章 Wide & Deep模型
- Deep-Cross-Net