-
使用Tensorflow2.0的Recommender-System实现论文的重复推荐
资源介绍
前言
带有TF2.0的开源项目Recommender System with TF2.0主要是对经典的推荐系统论文进行复现，包括匹配（召回） （NCF，SASRec，STAMP等），排名（粗排） （WDL，DCN等）。
建立原因：
理论和实践似乎有很大的间隔，学术界与工业界的差异更容易；
更好的理解论文的核心内容，增强自己的工程能力；
很多论文定义的开源代码都是TF1.x，因此想要用更简单的TF2.x进行复现；
项目特点：
使用Tensorflow2.x进行复现；
每个模型都是相互独立的，不存在依赖关系（当然因为这也增加了很多重复工作）；
模型基本遵循论文进行重建，实验尝试使用论文转化的的公共数据集；
模型都附有README.md ，对于模型的训练使用有详细的介绍；
代码源文件参数，函数命名规范，并带有标准的注释；
重要更新
【2020.12.20】在Top-K模型中，评估方式为正负样本1