文件名称：bpr:使用PyTorch的贝叶斯个性化排名
文件大小：68KB
文件格式：ZIP
更新时间：2024-06-15 05:34:02
pytorch bpr recommender-system Python
隐式反馈的贝叶斯个性化排名 该存储库使用pyTorch（ ）实现贝叶斯个性化排名其他存储库也实现了此模型，但是评估需要更长的时间。 因此，我使用带有GPU加速功能的pyTorch来实现此模型以进行评估。 实现细节将在下一节中说明。 环境 硬件 AMD锐龙7 3700X 8核处理器 三星DDR4 32GB NVIDIA TitanXp 软件 作业系统 我同时使用Windows和Linux（Ubuntu）。 Python包 在执行此代码之前，您必须安装以下软件包。 Python== 3.6 pytorch == 1.3.1 numpy == 1.15.4 熊猫== 0.23.4 您可以通过执行以下命令或通过anaconda安装这些软件包。 pip install -r requirements.txt 用法 0.准备数据 此代码支持movielens 1m数据和moviele
【文件预览】：
bpr-master
----setup.py(234B)
----.gitignore(245B)
----vsl-extension()
--------cuda()
--------cpp()
----requirements.txt(73B)
----__init__.py(0B)
----.travis.yml(189B)
----LICENSE(1KB)
----README.md(6KB)
----result()
--------ml-20m.md(5KB)
--------ml1m-timeorder-loss.JPG(20KB)
--------ml1m-loss.JPG(21KB)
--------ml1m-timeorder-eval.JPG(23KB)
--------ml1m-eval.JPG(22KB)
----metrics.py(6KB)
----tests()
--------__init__.py(0B)
--------test_vsl.py(7KB)
----preprocess.py(8KB)
----train.py(10KB)