EasyRec 简介

什么是 EasyRec？

EasyRec 是一个易用的推荐系统框架

EasyRec 实现了用于常见推荐任务的最先进深度学习模型：候选生成（匹配）、评分（排序）和多任务学习。通过简单的配置和超参数调优（HPO），它提高了生成高性能模型的效率。

快速开始

运行平台：

为什么选择 EasyRec？

可在任何地方运行

本地 / MaxCompute / EMR-DataScience / DLC
TF1.12-1.15 / TF2.x / PAI-TF

多样化的输入数据

MaxCompute 表
HDFS 文件 / Hive 表
OSS 文件
CSV 文件 / Parquet 文件
Datahub / Kafka 流

配置简单

灵活的特征配置和简单的模型配置
通过组合组件构建模型
高效且稳健的特征生成[用于淘宝]
开发中的友好 Web 界面

智能化

早停 / 最佳检查点保存
超参数搜索 / 自动特征交叉 / 知识蒸馏 / 特征选择
开发中：NAS

大规模和易部署

支持大规模嵌入和在线学习
多种并行策略：参数服务器、镜像、多工作器
易于部署到 EAS：自动扩展，易于监控
一致性保证：训练和服务

多种模型

DSSM / MIND / DropoutNet / CoMetricLearningI2I / PDN
W&D / DeepFM / MultiTower / DCN / FiBiNet / MaskNet / PPNet / CDN
DIN / BST / CL4SRec
MMoE / ESMM / DBMTL / AITM / PLE
HighwayNetwork / CMBF / UNITER
更多模型正在开发中

易于定制

支持基于组件的开发
易于实现自定义模型和组件
无需关心数据管道

快速向量检索

在分布式环境中运行knn算法进行向量检索

文档

贡献

非常感谢您的任何贡献！

请通过提交GitHub问题报告错误。
请使用拉取请求提交贡献。
更多详情请参阅开发文档。

引用

如果EasyRec对您的研究有帮助，请引用：

@article{Cheng2022EasyRecAE,
  title={EasyRec: An easy-to-use, extendable and efficient framework for building industrial recommendation systems},
  author={Mengli Cheng and Yue Gao and Guoqiang Liu and Hongsheng Jin and Xiaowen Zhang},
  journal={ArXiv},
  year={2022},
  volume={abs/2209.12766}
}