首页
学习
活动
专区
工具
TVP
发布

RecQ-Python推荐系统框架

【Python推荐系统框架(TensorFlow支持)】

RecQ: A Python Framework for Recommender Systems (TensorFlow Supported) by Coder-Yu

https://github.com/Coder-Yu/RecQ

最新消息

我们现在将RecQ转移到TensorFlow。 未来几周将提供基于GPU的版本。

10/09/2018 - 基于对抗训练的模型:APR已经实施。

10/02/2018 - 两个深度模型:DMF、CDAE已经实施。

07/12/2018 - TensorFlow支持的算法:BasicMF,PMF,SVD,EE(实现中......)

介绍

创建者:@Coder-Yu

主要贡献者:@DouTong @Niki666 @HuXiLiFeng @BigPowerZ @flyxu

由重庆大学软件工程学院发布

更多算法(基于排名和上下文感知)可以在我的另一个项目Yue中找到

RecQ是用于推荐系统的Python库(Python 2.7.x)。 它实现了一系列最先进的建议。 为了轻松运行RecQ(无需逐个设置RecQ中使用的软件包),强烈建议使用领先的开放数据科学平台Anaconda。 它集成了Python解释器,常见科学计算库(如Numpy,Pandas和Matplotlib)以及包管理器,所有这些都使它成为数据科学研究人员的完美工具。

RecQ的架构

特性

跨平台:作为Python软件,RecQ可以在任何平台上轻松部署和执行,包括MS Windows,Linux和Mac OS。

快速执行:RecQ基于快速的科学计算库,如Numpy和一些轻量级公共数据结构,使其运行速度比基于Python的其他库快得多。

轻松配置:RecQ配置推荐使用配置文件。

易于扩展:RecQ提供了一套精心设计的推荐接口,通过它可以轻松实现新算法。

数据可视化:RecQ可以在不运行任何算法的情况下帮助可视化输入数据集。

如何运行

1.将 **xx.conf** 文件配置在名为config的目录中。 (xx是你要运行的算法的名称)

2.运行项目中的 **main.py** ,然后在提示后输入。

如何配置

必选配置

基于内存的选项

基于模型的选项

如何扩展

1.让你的新算法泛化适当的基类。

2.根据需要重写以下一些函数。

readConfiguration()

printAlgorConfig()

initModel()

buildModel()

saveModel()

loadModel()

predict()

算法实现部分,请参阅项目查看

项目地址:https://github.com/Coder-Yu/RecQ

相关数据集

参考

[1]. Tang, J., Gao, H., Liu, H.: mtrust:discerning multi-faceted trust in a connected world. In: International Conference on Web Search and Web Data Mining, WSDM 2012, Seattle, Wa, Usa, February. pp. 93–102 (2012)

[2]. Massa, P., Avesani, P.: Trust-aware recommender systems. In: Proceedings of the 2007 ACM conference on Recommender systems. pp. 17–24. ACM (2007)

[3]. G. Zhao, X. Qian, and X. Xie, “User-service rating prediction by exploring social users’ rating behaviors,” IEEE Transactions on Multimedia, vol. 18, no. 3, pp. 496–506, 2016.

[4] Iván Cantador, Peter Brusilovsky, and Tsvi Kuflik. 2011. 2nd Workshop on Information Heterogeneity and Fusion in Recom- mender Systems (HetRec 2011). In Proceedings of the 5th ACM conference on Recommender systems (RecSys 2011). ACM, New York, NY, USA

【AI求职百题斩 - 每日一题】

赶紧来看看今天的题目吧!

想知道正确答案?

点击公众号菜单栏【每日一题】【每日一题】或在公众号回复“0123”即可答题获取!

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20190123A11WNT00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券