文件名称：RecommenderSystems
文件大小：49.97MB
文件格式：ZIP
更新时间：2024-03-31 08:39:35
系统开源
推荐系统库 该存储库提供了我们对推荐系统的研究摘要。 它包括我们基于不同推荐主题的代码，全面的阅读列表和一组bechmark数据集。 代码库 目前，我们对顺序推荐，基于特征的推荐和社交推荐感兴趣。 顺序推荐 由于用户的兴趣自然是动态的，因此对用户的顺序行为进行建模可以了解用户当前兴趣的上下文表示，从而提供更准确的建议。 在此项目中，我们包括一些采用先进序列建模技术的最新顺序推荐器，例如马尔可夫链（MC），递归神经网络（RNN），时间卷积神经网络（TCN）和自专心神经网络（变压器）。 基于功能的推荐 推荐的一般方法是根据用户的个人资料和商品的功能来预测点击概率，这称为点击率预测。 对于CTR预测，一项核心任务是学习（高阶）要素交互，因为要素组合通常是进行预测的有力指标。 但是，枚举所有可能的高阶特征将以指数形式增加数据的维数，从而导致更严重的模型过度拟合问题。 在这项工作中，我们建议使用自注
【文件预览】：
RecommenderSystems-master
----dataList.md(3KB)
----socialRec()
--------run_movie.sh(263B)
--------dgrec()
--------README.md(4KB)
--------data()
----sequentialRec()
--------markovChains()
--------run_neural.sh(83B)
--------README.md(2KB)
--------run_mc.sh(227B)
--------data()
--------neural()
----LICENSE(1KB)
----README.md(4KB)
----featureRec()
--------run_criteo.sh(409B)
--------run_joint_criteo.sh(499B)
--------figures()
--------movielens()
--------README.md(5KB)
--------data()
--------autoint()
----readingList.md(30KB)