文件名称：DeepICF:基于Top-N推荐的基于深项的协同过滤模型的TensorFlow实现
文件大小：23.3MB
文件格式：ZIP
更新时间：2024-05-28 09:12:28
deep-neural-networks collaborative-filtering item-based tois2019 Python
深度ICF 基于Top-N推荐的基于深项的协同过滤模型的TensorFlow实现 这是基于实施的以下文件的正式实施： 薛峰，何湘南，王湘，徐建东，刘凯，洪理昌，基于深度项的Top-N推荐协同过滤。 ACM Trans。 Inf。 Syst。 37（3）：33：1-33：25（2019） 两种深度协作过滤模型： DeepICF和DeepICF + a 。 为了将模型用于隐式反馈和排名任务，我们使用对数损失和负采样对它们进行优化。 如果您使用我们的代码，请引用我们的论文。 谢谢！ 环境设定 的Python：'2.7' TensorFlow：'r1.0' numpy：“ 1.13” 运行代码的示例 运行DeepICF （对FISM项嵌入进行预培训）： python DeepICF.py --path Data/ --dataset ml-1m --epochs 100 --verb
【文件预览】：
DeepICF-master
----Statistics.py(697B)
----Pretraining()
--------ml-1m()
----.pydevproject(423B)
----Batch_gen.py(6KB)
----Dataset.py(4KB)
----LICENSE(61B)
----DeepICF.py(13KB)
----.idea()
--------misc.xml(185B)
--------modules.xml(260B)
--------workspace.xml(48KB)
--------NAIS.iml(492B)
----.project(358B)
----Evaluate.py(4KB)
----figure()
--------DeepICF_fig2.png(5KB)
--------DeepICF+a_fig1.png(8KB)
--------DeepICF+a_fig2.png(6KB)
--------DeepICF_fig1.png(8KB)
----README.md(2KB)
----DeepICF_a.py(16KB)
----Data()
--------pinterest-20.test.rating(788KB)
--------pinterest-20.train.rating(20.16MB)
--------pinterest-20.test.negative(26.14MB)
--------ml-1m.test.negative(2.76MB)
--------ml-1m.test.rating(125KB)
--------ml-1m.train.rating(20.01MB)