搜公众号
推荐 原创 视频 Java开发 开发工具 Python开发 Kotlin开发 Ruby开发 .NET开发 服务器运维 开放平台 架构师 大数据 云计算 人工智能 开发语言 其它开发 iOS开发 前端开发 JavaScript开发 Android开发 PHP开发 数据库
Lambda在线 > 专知 > 推荐系统资源(文献、工具、框架)整理

推荐系统资源(文献、工具、框架)整理

专知 2019-02-14
举报

【导读】推荐系统近年来非常流行,应用于各行各业。推荐的对象包括:电影、音乐、新闻、书籍、学术论文、搜索查询、分众分类、以及其他产品。本文作者收集整理了丰富的推荐系统相关资源,包括推荐系统的文献、工具和框架等。


作者 | daicoolb

整理 | Xiaowen


图片源于网络




https://github.com/daicoolb/RecommenderSystem-Paper



“为了方便阅读,我整理了一些基础且重要的文章。”


推荐系统资源(文献、工具、框架)整理


推荐系统的主要学术会议:

  • KDD 数据挖掘,数据科学和分析。

  • ICDM 从广泛的数据挖掘相关领域吸引研究人员和应用程序开发人员,如统计,机器学习,模式识别,数据库和数据仓库,数据可视化,基于知识的系统和高性能计算。

  • AAAI 促进人工智能的研究和负责任的使用。

  • WWW 为世界提供了一个讨论网络发展,相关技术标准化以及这些技术对社会和文化的影响的首要论坛。

  • NIPS 有责任为人工智能和机器学习领域的每个人提供包容和热情的环境。

  • ICML 是领先的国际机器学习会议,由国际机器学习协会(IMLS)提供支持。

  • CIKM 为信息和知识管理研究的介绍和讨论提供了一个国际论坛,以及数据和知识库的最新进展。

  • SIGIR 是计算机协会信息检索特别兴趣小组。自1963年以来,我们促进了搜索和其他信息获取技术领域的研究,开发和教育。

  • Recsys 是推荐系统中最著名的会议。

  • WSDM(发音为“智慧”)是关于网络启发研究的主要会议之一,涉及搜索和数据挖掘。


收集了一些有用的推荐引擎:

  • Mosaic Mosaic Films 是建立在Node.js之上的recommendedRaccoon引擎的demo。

  • Contenct Engine 这是一个生产就绪但非常简单的基于内容的推荐引擎,它根据文本描述计算类似的item。

  • Spark Engine 本教程介绍如何运行Google Cloud Platform上的解决方案文件Recommendation Engine中解释的代码。

  • Spring Boost 如何使用Spring Boot,Aerospike和MongoDB构建推荐引擎。

  • Ger 提供良好的推荐可以获得更多的用户参与度,并提供增加本来不存在的价值的机会。

  • Crab 被称为scikits.recommender的Crab是一个Python框架,用于构建与科学Python包(numpy,scipy,matplotlib)集成的推荐引擎。


一些有用的推荐系统框架:

  • Surprise 是一个Python scikit构建和分析推荐系统。

  • LightFM 是针对隐式和显式反馈的许多流行推荐算法的Python实现,包括BPR和WARP排名损失的有效实现。

  • SpotLight 使用PyTorch构建深度和浅度推荐器模型。

  • Python-Recsys 用于实现推荐系统的python库。

  • LibRec 一个用于推荐系统中最先进算法的java库。

  • SparkMovieLens 使用Spark和Flask的可扩展在线电影推荐器。

  • Elasticsearch 使用Apache Spark和Elasticsearch构建推荐器。


一些有意思的类型:


推荐系统资源(文献、工具、框架)整理

推荐系统资源(文献、工具、框架)整理

推荐系统资源(文献、工具、框架)整理


-END-

专 · 知

推荐系统资源(文献、工具、框架)整理


请加专知小助手微信(扫一扫如下二维码添加),咨询《深度学习:算法到实战》参团限时优惠报名~

推荐系统资源(文献、工具、框架)整理

欢迎微信扫一扫加入专知人工智能知识星球群,获取专业知识教程视频资料和与专家交流咨询!

请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料!

点击“阅读原文”,了解报名专知《深度学习:算法到实战》课程

版权声明:本站内容全部来自于腾讯微信公众号,属第三方自助推荐收录。《推荐系统资源(文献、工具、框架)整理》的版权归原作者「专知」所有,文章言论观点不代表Lambda在线的观点, Lambda在线不承担任何法律责任。如需删除可联系QQ:516101458

文章来源: 阅读原文

相关阅读

举报