阿里云EasyRec是一款开源的推荐算法框架，该框架包括了数据处理、特征提取、模型训练和推荐服务四个环节，其中包含DeepFM、DIN、MultiTower及DSSM等经典推荐排序和召回算法，可...

推特推荐算法的源代码。推特推荐算法是一组服务和作业，负责构建和服务主页时间线。有关算法工作原理的介绍，可参阅博客。 开源库中包含的推荐算法的主要组件有： 类型 成分 描述 特性 模拟集群 社区检...

Gorse 是一个用 Go 编写的开源推荐系统。Gorse 旨在成为一个通用的开源推荐系统，可以快速引入各种在线服务。通过将物品、用户和交互数据导入 Gorse，系统将自动训练模型为每个用户生成...

ElasticCTR 是基于 Kubernetes 的企业级推荐系统解决方案，该方案融合了百度业务场景下经过不断验证打磨的 CTR 模型、基于飞桨框架的大规模分布式训练、工业级稀疏参数 Serv...

Surprise是一个基于Python scikit构建和分析推荐系统。 设计时考虑到以下目的： 让用户完美控制他们的实验。为此，我们非常强调文档，我们试图通过指出算法的每个细节尽可能清晰和准确...

NScript 是 .net 动态脚本引擎, 解决.net环境windows系统下类似java中Grovvy的功能和方向。 在互联网项目可以用来做动态营销活动（营销业务解耦和剥离），规则引擎，流...

KNV是一个模式自由的高性能树型协议处理引擎，是对Key-Value的一个通用结构化扩展。 应用特性 正如NoSQL对SQL的彻底变革一样，KNV是对Key-Value的彻底变革！ 大家都很熟悉...

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 (...

Wuawua推荐系统是一个可配置的推荐系统，部分功能源于oryx，但核心的推荐算法将全部更新。 包含的推荐算法如下: SVD：ParallelSGD（已实现）、SVD、SVD++ Matrix ...

LIBMF 是在潜在空间使用两个矩阵，接近一个不完全矩阵。Matrix Factorization 主要用在协作过滤，LibMF 主要特性如下： 除了潜在用户和项特性，还包括了用户偏好，项偏差和...

LibFM是专门用于矩阵分解的利器，尤其是其中实现了MCMC（Markov Chain Monte Carlo）优化算法，比常见的SGD（随即梯度下降）优化方法精度要高（当然也会慢一些） 介绍 ...

LensKit 是开源构建，研究，学习推荐系统，这是系统是 Java开发的，来自美国的明尼苏达大学，也是推荐领域知名的测试数据集Movielens的作者， 他们的推荐系统团队，在学术圈内的影响力...

CofiRank 或者说是 cofi ，是协作过滤解决方案，会根据用户或者其他用户的评级去预测用户的喜好。这个方案是基于 Matrix Factorization，可以用多个方式去扩展： Cof...

系统的Tutorial可以看这里： http://muricoca.github.io/crab/ Crab是基于Python开发的开源推荐软件，其中实现有item和user的协同过滤。据说更多...

SVDFeature 是基于协作过滤和排序的工具包，包含一个很灵活的Matrix Factorization推荐框架，能方便的实现SVD、SVD++等方法, 是单模型推荐算法中精度最高的一种。S...

recommendify 是基于 ruby/redis 的推荐引擎 (协同过滤)。

RecDB 是一个基于 PostgreSQL 9.2 构建的推荐引擎。运行应用开发者构建推荐应用，并提供很多广泛使用的推荐算法，例如用户-用户协作过滤、项目项目协作过滤、奇异值分解等。 使用 R...

Myrrix是一个完整的、实时的、可扩展的集群和推荐系统，基于Mahout实现。 主要架构分为两部分：服务层：在线服务，响应请求、数据读入、提供实时推荐；计算层：用于分布式离线计算，在后台使用分...

EasyRec是一个易集成、易扩展、功能强大且具有可视化管理的推荐系统。EasyRec可以同时给多个不同的网站提供推荐服务，通过tenant来区分不同的网站。架设EasyRec服务器，为网站申请...

MyMediaLite 是一个轻量级的多用途的推荐系统的算法库。 它解决了两个最常见的场景的协同过滤： 评分预报 (1-5) 通过一些隐式的反馈进行预测