# 《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
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
版权申诉
20 浏览量
2024-03-28
20:51:50
上传
评论
收藏 21.45MB ZIP 举报
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资源评论
