文件名称：隐式：隐式反馈数据集的快速Python协作过滤
文件大小：437KB
文件格式：ZIP
更新时间：2024-02-23 22:05:41
machine-learning collaborative-filtering matrix-factorization recommender-system MachinelearningPython
隐含的 隐式数据集的快速Python协作过滤。 该项目为隐式反馈数据集提供了几种不同流行推荐算法的快速Python实现： 和。 。 使用余弦，TFIDF或BM25作为距离度量的项-项最近邻居模型。 所有模型都具有多线程训练例程，使用Cython和OpenMP将模型并行安装在所有可用CPU内核中。 此外，ALS和BPR模型都具有自定义的CUDA内核-可以安装在兼容的GPU上。 Implicit还可以使用近似最近的邻居库（例如 ， 和来。 安装 conda-forge上有针对Linux，Windows和OSX的二进制软件包。 这些可以通过以下方式安装： conda install -c conda-forge implicit 在x86_64 Linux系统的conda-forge上，还使用CUDA 9.2、10.0、10.1或10.2启用了GPU。 GPU软件包可以通过以下方式安装： conda install -c conda-forge implicit implicit-proc=*=gpu PyPi上还有一个sdist包。 该软件包可以通过以下方式安装： pip
【文件预览】：
implicit-master
----MANIFEST.in(211B)
----implicit()
--------topnc.cpp(780B)
--------topnc.h(224B)
--------cpu()
--------recommender_base.pyx(15KB)
--------nearest_neighbours.py(7KB)
--------utils.py(2KB)
--------approximate_als.py(18KB)
--------__init__.py(165B)
--------datasets()
--------gpu()
--------nearest_neighbours.h(2KB)
--------lmf.pyx(11KB)
--------_nearest_neighbours.pyx(5KB)
--------als.py(3KB)
--------bpr.py(3KB)
--------evaluation.pyx(10KB)
----.github()
--------workflows()
----benchmarks()
--------benchmark_qmf.py(3KB)
--------spark_speed_lastfm.png(109KB)
--------benchmark_spark.py(4KB)
--------benchmark_als.py(6KB)
--------README.md(2KB)
--------spark_speed_ml20m.png(102KB)
----cuda_setup.py(7KB)
----requirements.txt(42B)
----examples()
--------movielens.py(4KB)
--------lastfm.py(6KB)
----tox.ini(329B)
----LICENSE(1KB)
----setup.cfg(498B)
----setup.py(6KB)
----README.md(5KB)
----docs()
--------lmf.rst(149B)
--------make.bat(806B)
--------models.rst(122B)
--------conf.py(5KB)
--------als.rst(136B)
--------ann.rst(1KB)
--------quickstart.rst(3KB)
--------README.md(88B)
--------index.rst(2KB)
--------Makefile(608B)
--------bpr.rst(149B)
--------recommendperf.png(181KB)
----tests()
--------knn_test.py(2KB)
--------als_test.py(9KB)
--------evaluation_test.py(655B)
--------__init__.py(0B)
--------lmf_test.py(394B)
--------bpr_test.py(1KB)
--------recommender_base_test.py(7KB)
--------approximate_als_test.py(3KB)
----.gitignore(968B)
----pyproject.toml(31B)
----CHANGELOG.md(3KB)