【文件属性】:
文件名称:RecommenderSystems:基于模型的推荐系统
文件大小:1.04MB
文件格式:ZIP
更新时间:2021-05-08 16:47:22
Python
基于模型的推荐系统的Tensorflow代码
这是4种不同推荐器模型的Tensorflow实现。
潜在因素模型推荐系统
基于深度神经网络的推荐系统
无需转移学习的潜在因子模型和深度神经网络模型的集成
潜在因子模型与深度神经网络模型与转移学习的集成
依存关系
突出的软件包是:
麻木
scikit学习
张量流1.5.0
熊猫0.23.1
数据集
跑步
mkdir datasets
mkdir tf_logs
mkdir pretrained_models
mkdir tf_logs/ml-100k
mkdir tf_logs/ml-1m
mkdir tf_logs/ml-20m
mkdir pretrained_models/ml-100k
mkdir pretrained_models/ml-1m
mkdir pretrained_models/ml-20m
cd scripts
./
【文件预览】:
RecommenderSystems-master
----utils()
--------config.py(2KB)
--------shuffle_iterator.py(672B)
--------__pycache__()
--------utilities.py(548B)
--------data_loader.py(3KB)
----models()
--------model.py(1KB)
--------latent_factor_model.py(7KB)
--------deep_neural_network_model.py(7KB)
--------__pycache__()
--------ensmeble.py(11KB)
----images()
--------ensemble.png(401KB)
--------precision.png(47KB)
--------f1.png(37KB)
--------deep-neural-network-model.png(381KB)
--------rmse.png(31KB)
--------recall.png(38KB)
--------latent-factor-model.png(293KB)
----scripts()
--------download_100.sh(260B)
--------download_20m.sh(248B)
--------download_1m.sh(259B)
----main.py(4KB)
----.idea()
--------misc.xml(309B)
--------workspace.xml(31KB)
--------RecommenderSystems.iml(466B)
--------modules.xml(288B)
--------vcs.xml(180B)
----README.md(4KB)
----evaluator()
--------recommender_evaluator.py(2KB)
--------__pycache__()
----.gitignore(43B)