JStarCraft RNS是一个面向信息检索领域的轻量级引擎.遵循Apache 2.0协议.
专注于解决信息检索领域的基本问题:推荐与搜索.
提供满足工业级别场景要求的推荐引擎设计与实现.
提供满足工业级别场景要求的搜索引擎设计与实现.
在此特别感谢LibRec团队,也特别感谢推荐系统QQ群(274750470)提供的支持与帮助.
作者 | 洪钊桦 |
---|---|
110399057@qq.com, jstarcraft@gmail.com |
- 1.跨平台
- 2.串行与并行计算
- 3.CPU与GPU硬件加速
- 4.模型保存与装载
- 5.丰富的推荐算法
- 6.丰富的搜索算法
- 7.丰富的评估指标
- 8.独立的环境配置与算法配置
- 9.完整的单元测试
使用Git克隆以下三个项目:
Maven依赖
<dependency>
<groupId>com.jstarcraft</groupId>
<artifactId>rns</artifactId>
<version>1.0</version>
</dependency>
Gradle依赖
compile group: 'com.jstarcraft', name: 'rns', version: '1.0'
String path = "recommendation/benchmark/randomguess-test.properties";
Configuration configuration = Configuration.valueOf(path);
RankingTask job = new RankingTask(RandomGuessRecommender.class, configuration);
// 训练与测试推荐器
job.execute();
Recommender recommender = job.getRecommender();
RatingTask job = new RatingTask(RandomGuessRecommender.class, configuration);
// 训练与测试推荐器
job.execute();
Recommender recommender = job.getRecommender();
ModemCodec codec = ModemCodec.JSON;
// 将推荐器编码为字节数组
byte[] data = codec.encodeModel(recommender);
// 将字节数组解码为推荐器
Recommender recommender = (Recommender) codec.decodeModel(data);
- AUC
- Diversity
- MAP
- MRR
- NDCG
- Novelty
- Precision
- Recall
- MAE
- MPE
- MSE/RMSE
- Amazon Product Dataset
- Bibsonomy Dataset
- BookCrossing Dataset
- Ciao Dataset
- Douban Dataset
- Eachmovie Dataset
- Epinions Dataset
- Foursquare Dataset
- HetRec2011 Dataset
- Jest Joker Dataset
- Large Movie Review Dataset
- Movielens Dataset
- Serendipity 2018 Dataset
- Wikilens Dataset
- Yelp Dataset
- Yongfeng Zhang Dataset