使用Tensorflow2.0进行Python开发以实现重复推荐论文中的技术

开源项目Recommender System with TF2.0主要是对阅读过的部分推荐系统、CTR预估论文进行复现，包括传统模型（MF、FM、FFM等）、神经网络模型（WDL、DCN等）以及序列模型（DIN）。 前言 开源项目Recommender System with TF2.0主要是对阅读过的部分推荐系统、CTR预估论文进行复现，包括传统模型（MF、FM、FFM等）、神经网络模型（WDL、DCN等）以及序列模型（DIN）。 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距更是如此； 更好的理解论文的核心内容，增强自己的工程能力； 很多论文给出的开源代码都是TF1.x，因此想要用更简单的TF2.0进行复现； 项目特点： 使用Tensorflow2.0进行复现； 每个模型都是相互独立的，不存在依赖关系； 模型基本按照论文进行构建，实验尽量使用论文给出的的公共数据集； 具有【Wiki】，对于模型、实验数据集有详细的介绍和链接； 代码源文件参数、函数命名规范，并且带有标准的注释；   实验 1、通过git命令git clone https://