前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >安利 10 个开源推荐系统

安利 10 个开源推荐系统

作者头像
Python数据科学
发布2022-04-12 18:26:15
2.3K0
发布2022-04-12 18:26:15
举报
文章被收录于专栏:Python数据科学

大家好,我是东哥。

本次给大家安利 10 个开源的推荐系统,GitHub链接如下。然后再给大家介绍下推荐系统框架下各个环节及作用。

1、muricoca/crab

https://github.com/muricoca/crab

2、ibayer/fastFM

https://github.com/ibayer/fastFM

3、Mendeley/mrec

https://github.com/mendeley/mrec

4、MrChrisJohnson/logistic-mf

https://github.com/MrChrisJohnson/logistic-mf

5、jadianes/winerama-recommender-tutorial

https://github.com/jadianes/winerama-recommender-tutorial

6、ocelma/python-recsys

https://github.com/ocelma/python-recsys

7、benfred/implicit

https://github.com/benfred/implicit

8、lyst/lightfm

https://github.com/lyst/lightfm

9、python-recsys/crab

https://github.com/python-recsys/crab

10、NicolasHug/Surprise

https://github.com/NicolasHug/Surprise

工业推荐系统环节

工业中的推荐系统一般包含四个环节,分别是召回、粗排、精排和重排

召回:根据用户的兴趣和历史行为,从海量的物品库里,快速找回一小部分用户潜在感兴趣的物品,然后交给排序环节,排序环节可以融入较多特征,使用复杂模型,来精准地做个性化推荐。

粗排:有时候因为每个用户召回环节返回的物品数量还是太多,怕排序环节速度跟不上,所以可以在召回和精排之间加入一个粗排环节,通过少量用户和物品特征,简单模型,来对召回的结果进行粗略的排序,在保证一定精准的前提下,进一步减少往后传送的物品数量,粗排往往是可选的,可用可不同,跟场景有关。

精排:使用你能想到的任何特征,可以上你能承受速度极限的复杂模型,尽量精准地对物品进行个性化排序。

重排:排序完成后,传给重排环节,重排环节往往会上各种技术及业务策略,比如去已读、去重、打散、多样性保证、固定类型物品插入等等,主要是技术产品策略主导或者为了改进用户体验的。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2022-04-02,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 Python数据科学 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 工业推荐系统环节
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档