LibRec 正在参加 2021 年度 OSC 中国开源项目评选,请投票支持!
LibRec 在 2021 年度 OSC 中国开源项目评选 中已获得 {{ projectVoteCount }} 票,请投票支持!
2021 年度 OSC 中国开源项目评选 正在火热进行中,快来投票支持你喜欢的开源项目!
2021 年度 OSC 中国开源项目评选 >>> 中场回顾
LibRec 获得 2021 年度 OSC 中国开源项目评选「最佳人气项目」 !

软件简介

LibRec 是一个用于实现推荐 recommender 系统的Java库包,实现推荐系统的两个经典问题: rating prediction (评分排行预测) 和 item ranking (项目排行),其内置了经典的机器学习算法。

特点:

1.跨平台: 作为一个Java软件, LibRec 能部署到任何平台上,包括MS Windows, Linux 和 Mac OS.
2.快速执行: LibRec运行比其他库包更快。
3.易于配置: LibRec配置推荐只需要一个配置文件: librec.conf
4.易于扩展: LibRec提供一系列推荐接口,易于拓展到新的推荐。

展开阅读全文

代码

的 Gitee 指数为
超过 的项目

评论 (3)

加载中
标注一下,下下来看看
2018/01/11 15:24
回复
举报
打分: 推荐
毕业设计有关于推荐算法,来此mark一下。
2017/12/11 16:54
回复
举报
该评论暂时无法显示,详情咨询 QQ 群:912889742
更多评论
发表了资讯
2017/02/13 19:36

LibRec 2.0.0 正式版发布: 基于机器学习的大数据推荐系统

LibRec: 基于机器学习的大数据推荐系统 简介: LibRec 是领先的推荐系统Java开源算法工具库,覆盖了70余个各类型推荐算法,有效解决评分预测和物品推荐两大关键的推荐问题。推荐系统是机器学习和大数据技术的经典实际应用,旨在提供高效准确的个性化物品推荐,是现代Web应用的重要组件。 项目结构清晰,代码风格良好,测试充分,注释与手册完善。目前项目使用GPL3.0协议开源在github中,欢迎大家试用。 Librec: http://www.lib...

6
117
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
发表了博客
2018/05/10 15:18

Librec的AoBPR算法实现

Librec的AoBPR算法实现:(基于1.3版本) 要用AoBPR,但是没有找到相应的配置文件,应该怎么办呢? ——因为用的是1.3版本,所以没有,2.0版本有的。【跟BPR参数一样,就多一个-lambda,用来控制物品分布。lambda在2.0中默认是设置为500。】 2.0版本还是没有找到AoBPR.conf: 原先1.3版本的所有的.conf是在demo文件夹里面,可是我发现2.0版本的没有demo这个文件夹.??——2.0遵循基本的maven架构规范,配置被放到resources目录...

0
0
发表了博客
2018/03/17 23:57

推荐系统之 BPR 算法及 Librec的BPR算法实现【1】

【推荐系统之 BPR 算法】 1、关于BPR的论文原文: BPR: Bayesian Personalized Ranking from Implicit Feedback 2、参考1:论文快读 - BPR: Bayesian Personalized Ranking from Implicit Feedback (该博主的网站不错,尤其论文快读模块) 3、参考2:结合librec源代码读论文:Bayesian personalized ranking系列方法 (该博主的网站亦不错) 【Librec的BPR算法实现】 Librec的推荐系统库可以说是很强大了。郭老师团队特别厉害!...

0
0
发表了博客
2018/04/11 20:38

推荐系统之 BPR 算法及 Librec的BPR算法实现【2】

先前的是:推荐系统之 BPR 算法及 Librec的BPR算法实现【1】 LibREC源码里的BPR算法的输入比较是:“(购买+点击)v.s.没出现的”,先前有修改过一次是让输入比较对为:“购买v.s. 点击”。 现在的情况是:以上二者结合起来,即比较对是:“(购买+点击)v.s.没出现的”+“购买v.s. 点击”的比较对。 就比如,购买了1,点击了2,而未出现的设为3和4(隐式 item)。 原先代码默认的比较对比较方式(正样本>负样本)是:1>3;1>4...

0
0
发表了博客
2019/04/24 16:53

推荐系统干货总结【全】

前言 推荐系统是一个相当火热的研究方向,在工业界和学术界都得到了大家的广泛关注。希望通过此文,总结一些关于推荐系统领域相关的会议、知名学者,以及做科研常用的数据集、代码库等,一来算是对自己涉猎推荐系统领域的整理和总结,二来希望能够帮助想入门推荐系统的童鞋们提供一个参考,希望能够尽快上手推荐系统,进而更好更快的深入科研也好、工程也罢。更多关于推荐系统的内容请参考拙作推荐系统从入门到接着入门 一、 相...

0
0
发表了博客
2019/07/16 22:15

2018 推荐系统总结

(Start from today ??——too late ??) 搜索:recsys 2018 总结 Recsys2018 总结 (推荐系统最新技术、应用和方向)32篇论文解读 https://blog.csdn.net/lthirdonel/article/details/83627900 2018 年最全的推荐系统干货(ECCV、CVPR、AAAI、ICML) https://www.ctolib.com/topics-134912.html RecSys2018会议总结 https://www.jianshu.com/p/282d1e90aaf9 推荐系统顶会RecSys 2018论文及代码集锦(1) https://www.doc11.c...

0
0
发表了博客
2019/07/25 17:33

机器学习和数据挖掘领域大牛

周志华--半监督学习,multi-label学习和集成学习,机器学习和数据挖掘方面领军人物。南京大学杰青,ACML创始人http://cs.nju.edu.cn/zhouzh/ 杨强--迁移学习国际领军人物。港科大教授,KDD2012会议主席,杨教授曾有一个关于机器学习和数据挖掘有意思的比喻:比如你训练一只狗,若干年后,如果它忽然有一天能帮你擦鞋洗衣服,那么这就是数据挖掘;要是忽然有一天,你发现狗发装成一个老太婆消失了,那么这就是机器学习。http://...

0
0
发表了博客
2020/01/07 22:43

推荐系统常用数据集

转载,原文:https://www.cnblogs.com/lijinze-tsinghua/p/10768033.html 在这篇博客中,作者介绍了九个数据集,其中一些是推荐系统中常用到的标准数据集,也有一些是非传统意义上的数据集(non-traditional datasets),作者相信,这些非传统数据集更接近真实场景的数据。 首先,先说明下推荐系统数据中的几个类别: Item: 即我们要推荐的东西,如产品、电影、网页或者一条信息片段 User:对item进行评分以及接受推荐系统推荐...

0
0
发表了博客
2019/05/08 14:29

入门推荐系统,你不应该错过的知识清单

https://www.jianshu.com/p/5585e7fe6062 【编者按】本账号为第四范式智能推荐产品先荐的官方知乎账号。本账号立足于计算机领域,特别是人工智能相关的前沿研究,旨在把更多与人工智能相关的知识分享给公众,从专业的角度促进公众对人工智能的理解;同时也希望为人工智能相关人员提供一个讨论、交流、学习的开放平台,从而早日让每个人都享受到人工智能创造的价值。 推荐系统目前已是学术界相当火热的研究方向。很多同学、研究者...

0
0
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
暂无内容
3 评论
100 收藏
分享
OSCHINA
登录后可查看更多优质内容
返回顶部
顶部