推荐系统精选：优质AI工具与开源项目聚合
RecAI学习资料汇总 - 利用大语言模型打造下一代推荐系统
RecAI是一个由微软开发的开源工具包，旨在利用大语言模型(LLMs)的先进能力来增强或革新推荐系统。本文汇总了RecAI项目的相关学习资源，帮助读者快速了解和上手这个创新的推荐系统框架。
Awesome-LLM4RS-Papers学习资料汇总 - 大语言模型增强推荐系统论文集锦
本文汇总了Awesome-LLM4RS-Papers项目中关于大语言模型增强推荐系统的学习资源,包括论文列表、代码实现、相关资料等,为研究者和开发者提供全面的参考。
LLMs论文学习资料汇总 - 大型语言模型相关论文与资源导航
本文汇总了LLMs(大型语言模型)相关的重要论文、代码资源和学习材料,涵盖多模态、PEFT、RAG、CoT等多个研究方向,旨在帮助读者更好地学习和了解LLMs领域的最新进展。
Awesome-LLM-for-RecSys学习资料汇总 - 大语言模型在推荐系统中的应用
本文汇总了Awesome-LLM-for-RecSys项目的相关学习资料,包括项目介绍、论文列表、代码实现等,为想要了解和研究大语言模型在推荐系统中应用的读者提供了全面的入门指南。
RSPapers学习资料汇总-推荐系统必读论文集锦
本文整理了RSPapers项目中的推荐系统相关学习资源,包括教程、综述、经典论文等,为推荐系统研究者和实践者提供全面的学习参考。
applied-ml学习资源汇总 - 大型科技公司机器学习实践分享
本文汇总了各大科技公司分享的机器学习在生产环境中的应用实践,包括数据处理、特征工程、模型训练等多个方面,是applied-ml领域的重要学习资源。
recommenders入门学习资料 - 推荐系统模型构建工具库
recommenders是一个用于构建推荐系统模型的Python工具库,提供了从数据准备、模型构建到评估部署的全流程支持。本文汇总了该项目的学习资源,帮助读者快速入门和深入 学习。
fun-rec推荐系统入门学习资料汇总 - 从基础到实战的全面指南
fun-rec是一个由Datawhale社区开发的推荐系统入门教程项目,涵盖了推荐系统的基础理论、经典算法和实战案例,旨在帮助初学者快速入门推荐系统领域。本文汇总了fun-rec项目的主要学习资源,为读者提供了一份全面的学习指南。
DeepCTR学习资料汇总 - 易用、模块化、可扩展的深度学习CTR模型库
DeepCTR是一个基于深度学习的点击率预估模型库,提供易用、模块化、可扩展的接口,支持快速实验和大规模训练。本文汇总了DeepCTR的相关学习资源,帮助读者快速入门和深入学习。
awesome-project-ideas学习资源汇总 - 实用深度学习和机器学习项目创意集锦
本文汇总了awesome-project-ideas项目的核心内容和学习资源,为读者提供了30多个实用的深度学习和机器学习项目创意,涵盖了从入门到研究级别的多个领域。
Trieve入门学习资料 - 全方位搜索、推荐和RAG基础设施API
Trieve是一个强大的AI驱动搜索和推荐平台,本文汇总了Trieve的主要学习资源,帮助开发者快速上手这一革命性的搜索基础设施。
DeepRec:高性能推荐系统深度学习框架
DeepRec是一个基于TensorFlow的开源高性能推荐系统深度学习框架,专为大规模分布式训练和服务而设计,在阿里巴巴等公司的核心业务中得到了广泛应用。
ranx: 高效的Python排序评估与融合库
ranx是一个基于Python的高性能排序评估和融合库,为信息检索和推荐系统提供便捷的评估和比较功能。
Surprise: 一个强大的Python推荐系统库
Surprise是一个用于构建和分析推荐系统的Python scikit库,专注于处理显式评分数据。本文详细介绍了Surprise的特点、使用方法和性能表现,为推荐系统开发者提供了全面的参考。
LLM4RS: 探索大型语言模型在推荐系统中的应用
本文深入分析了ChatGPT在推荐系统中的能力,通过对比实验证明了其在点式、配对式和列表式排序任务上的优越性能,并探讨了其在解决冷启动问题和可解释推荐方面的潜力。
使用TensorFlow和Keras构建推荐系统:从入门到实践
本文深入介绍了如何使用TensorFlow Recommenders和Keras构建一个实用的推荐系统,涵盖了检索和排序两个关键任务。通过对MovieLens数据集的实践,读者将学习推荐系统的核心概念和实现技巧。
RecBole-GNN: 基于图神经网络的高效可扩展推荐系统库
RecBole-GNN是一个基于PyTorch和RecBole构建的开源推荐系统库，专注于图神经网络(GNN)在推荐系统中的应用。它提供了易用的统一API、高效的图处理和学习组件,以及丰富的GNN模型实现,涵盖了通用推荐、序列推荐和社交推荐三大类别。
HybridBackend：高性能广深推荐系统训练框架
HybridBackend是一个专为异构集群设计的高性能框架，用于训练广度与深度结合的推荐系统模型。本文深入介绍了HybridBackend的特性、优势及应用场景，为推荐系统开发者提供了宝贵的技术参考。
Awesome-Recsys: 推荐系统领域的前沿进展与研究动态
本文全面介绍了推荐系统领域的最新研究进展,涵盖了SIGIR、RecSys、WWW等顶级会议的最新论文,深入分析了大语言模型在推荐系统中的应用,以及序列推荐、跨域推荐、多模态推荐等热点方向的发展趋势。
RecBole2.0: 全面升级的推荐系统研究框架
RecBole2.0是一个基于流行推荐框架RecBole开发的扩展库,包含了8个专注于最新推荐系统研究热点的子包,为研究人员提供了全面、灵活、易用的实验平台。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号