fun-rec

by datawhalechina · Machine Learning

推荐系统入门教程，在线阅读地址：https://datawhalechina.github.io/fun-rec/

★ New0 ratings7,316 stars● Active

Machine LearningAI ApplicationPythonVue

1 / 5

About this project

深度推荐算法实践（小麦书）从级联架构到生成式范式中文 English 注意：本项目仍在开发中，代码与内容更新较为频繁，暂不接受 Pull Request。如果您有任何建议或问题，欢迎通过 Issue 进行反馈。本书系统介绍了推荐系统从传统级联架构到生成式范式的完整技术演进。内容分为两大板块：上篇覆盖协同过滤、向量召回、序列召回等候选检索技术，以及特征交叉、多目标建模、多场景建模等精排与重排方法；下篇聚焦前沿生成式推荐，涵盖大模型基础、Scaling Law 架构探索、端到端生成式建模、思维链推理与扩散模型推荐等最新范式，并附有完整的生产级系统实战项目。适合具备机器学习基础、希望系统掌握推荐算法核心原理与工程实践的读者。 📖 章节目录上篇：级联架构 — 1. 推荐系统概述 — 推荐系统是什么？/ 本书概览 — 2. 快速候选召回 — 协同过滤：物品CF / 用户CF / 矩阵分解 — 向量召回：I2I / U2I — 序列召回：用户兴趣表示 / 全量兴趣建模与流式索引 — 3. 精准偏好预测 — 记忆与泛化 — 特征交叉：二阶 / 高阶 — 序列建模：局部激活注意力机制 / 兴趣演化建模 / 行为到会话序列建模 — 多目标建模：基础结构演进 / 任务依赖建模 / 多目标损失融合 — 多场景建模：多塔结构 / 动态权重建模 — 4. 重排多样性建模 — 基于贪心的重排：最大边际相关性 / 行列式点过程 — 基于个性化的重排：Transformer重排模型 / 基于排列组合的重排模型下篇：生成式范式 — 5. 生成式推荐基础 —…