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：2024-05-28 10:34:02
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)