# 《深度学习推荐系统》(王喆)模型复现-基于Pytorch和ml-100k数据集实现
该项目用PyTorch框架与经典的电影推荐系统数据集MovieLens 100K复现包括DIEN、DIN、AFM、NFM、DeepFM、ALS等在内的多个模型。同时,在处理数据集的过程中,该项目将user对电影评分rating大于等于4者的label定义为1,其余为0
没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
收起资源包目录
该项目使用经典的电影推荐数据集ml-100k并基于PyTorch实现《深度学习推荐系统(王喆著)》的部分经典模型.zip (86个子文件)
ignore4134
ml-100k
u3.test 387KB
u.occupation 193B
u3.base 1.51MB
README 7KB
rnn_data_with_hist_label.csv 5.02MB
u2.base 1.51MB
u5.base 1.51MB
user_item2.csv 1.5MB
u.genre 202B
co_mat.csv 3.04MB
u1.test 383KB
u.info 36B
item_df.csv 101KB
one-hot_user_item_features.csv 11.03MB
user_df.csv 10KB
mku.sh 643B
u5.test 388KB
u4.base 1.51MB
u.item 231KB
user_item.csv 1.5MB
ub.test 182KB
u.data 1.89MB
ub.base 1.71MB
ua.base 1.71MB
u.user 22KB
u2.test 386KB
co_mat2.csv 3.04MB
allbut.pl 716B
u1.base 1.51MB
sequential_df.csv 4.11MB
u4.test 388KB
ua.test 182KB
rating.csv 2.45MB
original_ml-100k
u3.test 387KB
u.occupation 193B
u3.base 1.51MB
README 7KB
u2.base 1.51MB
u5.base 1.51MB
u.genre 202B
u1.test 383KB
u.info 36B
mku.sh 643B
u5.test 388KB
u4.base 1.51MB
u.item 231KB
ub.test 182KB
u.data 1.89MB
ub.base 1.71MB
ua.base 1.71MB
u.user 22KB
u2.test 386KB
allbut.pl 716B
u1.base 1.51MB
u4.test 388KB
ua.test 182KB
图片
pic.png 425KB
没有attention的DIN.jpeg 149KB
DIEN.jpeg 393KB
proof.png 842KB
ALS.png 358KB
deep_wide.png 742KB
DeepFM.png 939KB
AFM.png 525KB
deep crossing.png 219KB
PNN.png 460KB
DIN.jpeg 187KB
model
FM.ipynb 25KB
Deep_Wide.ipynb 378KB
DIEN.ipynb 173KB
没有attention的DIN.ipynb 85KB
DeepFM.ipynb 506KB
DIN.ipynb 98KB
AFM.ipynb 365KB
Deep_Crossing.ipynb 163KB
Logistic回归.ipynb 24KB
ALS-0_1.ipynb 216KB
Poly2.ipynb 25KB
PNN模型.ipynb 271KB
NFM.ipynb 446KB
README.md 377B
创建数据集
user_df _item_df.ipynb 57KB
rnn_data.ipynb 51KB
rnn_data_with_hist_label.ipynb 66KB
创建user_item2&共现矩阵.ipynb 13KB
创建one-hot的user_item_feature数据集.ipynb 57KB
共 86 条
- 1
资源评论
Nowl
- 粉丝: 1w+
- 资源: 3556
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功