RecQ-Python推薦系統框架

知識 01-23

【Python推薦系統框架（TensorFlow支持）】

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

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

介紹

創建者：@Coder-Yu

主要貢獻者：@DouTong @Niki666 @HuXiLiFeng @BigPowerZ @flyxu

由重慶大學軟體工程學院發布

更多演算法（基於排名和上下文感知）可以在我的另一個項目Yue中找到

RecQ是用於推薦系統的Python庫（Python 2.7.x）。它實現了一系列最先進的建議。為了輕鬆運行RecQ（無需逐個設置RecQ中使用的軟體包），強烈建議使用領先的開放數據科學平台Anaconda。它集成了Python解釋器，常見科學計算庫（如Numpy，Pandas和Matplotlib）以及包管理器，所有這些都使它成為數據科學研究人員的完美工具。

RecQ的架構

特性

跨平台：作為Python軟體，RecQ可以在任何平台上輕鬆部署和執行，包括MS Windows，Linux和Mac OS。

快速執行：RecQ基於快速的科學計算庫，如Numpy和一些輕量級公共數據結構，使其運行速度比基於Python的其他庫快得多。

輕鬆配置：RecQ配置推薦使用配置文件。

易於擴展：RecQ提供了一套精心設計的推薦介面，通過它可以輕鬆實現新演算法。

數據可視化：RecQ可以在不運行任何演算法的情況下幫助可視化輸入數據集。

如何運行

1.將 **xx.conf** 文件配置在名為config的目錄中。（xx是你要運行的演算法的名稱）

2.運行項目中的 **main.py** ，然後在提示後輸入。

如何配置

必選配置

基於內存的選項

基於模型的選項

如何擴展

1.讓你的新演算法泛化適當的基類。

2.根據需要重寫以下一些函數。

readConfiguration()

printAlgorConfig()

initModel()

buildModel()

saveModel()

loadModel()

predict()

演算法實現部分，請參閱項目查看

項目地址：https://github.com/Coder-Yu/RecQ

參考

[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求職百題斬 - 每日一題】

趕緊來看看今天的題目吧！