文件名称：recoder:使用PyTorch进行协同过滤的大规模分解模型训练
文件大小：2.09MB
文件格式：ZIP
更新时间：2024-06-04 14:54:20
machine-learning deep-learning pytorch collaborative-filtering matrix-factorization
编码器 介绍 Recoder是一种快速实现，用于在最近的工作之后使用基于小批量的负采样来训练协作过滤潜在因子模型： 。 Recoder包含因式分解模型的两种实现：自动编码器和矩阵因式分解。 查看和。 安装 建议使用python 3.8。 不支持Python 2。 pip install -U recsys-recoder 例子 请查看scripts/目录，以获取有关不同数据集的一些良好示例。 您可以在Nvidia Tesla K80 GPU上不到一分钟的时间内，获得均方误差完全训练的MovieLens-20M数据集。 进一步阅读 引用 如果对您的研究有所帮助，请在您的出版物中引用该论文： @inproceedings{recoder, author = {Moussawi, Abdallah}, title = {Towards Large Scale Training
【文件预览】：
recoder-master
----.gitignore(1KB)
----README.md(3KB)
----recoder()
--------losses.py(2KB)
--------nn.py(13KB)
--------recommender.py(4KB)
--------metrics.py(6KB)
--------utils.py(2KB)
--------model.py(23KB)
--------__init__.py(22B)
--------embedding.py(6KB)
--------data.py(9KB)
----tests()
--------test_model.py(3KB)
--------test_nn.py(1KB)
--------test_data.py(7KB)
--------data()
--------test_embedding.py(879B)
--------test_metrics.py(2KB)
----.rtd_requirements(118B)
----docs()
--------source()
--------Makefile(609B)
----LICENSE(1KB)
----scripts()
--------ml-20m()
--------msd-big()
--------build_embeddings.py(846B)
--------msd()
----requirements.txt(181B)
----setup.py(451B)
----.travis.yml(173B)