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