这是一个高级的推荐系统的Java开源库,涵盖70多个推荐算法,可以有效的解决等级和排名问题。
LibRec推荐系统是一个典型的机器学习和大数据的应用,它被用来提供个性化的推荐。作为推荐算法的实现,LibRec在模块化、实现和可用性方面做了很多改进。此外,推荐性能进一步增强。
LibRec推荐系统是一个典型的机器学习和大数据的应用,它被用来提供个性化的推荐。作为推荐算法的实现,LibRec在模块化、实现和可用性方面做了很多改进。此外,推荐性能进一步增强。
2021年12月02日
2021年12月02日 Filter可以在评估时根据一定规则来过滤掉部分数据。 Filter的过滤对象是由recommender产生的recommendedList,recommendedList由一组recommendedItem构成,每个recommendedItem表示为一个三元组:(userId itemId value)。 目前支持的过滤器为GenericRecommendedFilter,其功能是返回recommendedList中包含指定userId或itemId的recommendedItem,指定的userId和itemId在GenericRecommendedFilter中以列表的形式提前设置。 目前Filter仅支持在Java代码中使用.
2021年12月02日
2021年12月02日 RecommenderEvaluator接口用于实现对特定算法的评估. 目前实现对于ranking的评估器有AUC, AveragePrecision, AverageReciprocalHitRank, Diversity, HitRate, IdealDCG, Normalized, Precision, Recall, REciprocalRank十类评估器. 对于rating实现评估器MAE, MPE, MSE, RMSE四类.
2021年12月02日 DataModel类用于对推荐算法所使用的数据进行准备. 主要完成对不同类型数据的读取, 组织结构 ,分割数据集, 根据配置项对数据进行二值化处理等. 相应的, 定义为DataModel类型的变量在指向子类的方法时, 需要传出Configuration类型的对象. 其中读取文件路径等配置项可以使用setConf来设置. 相应的, 在Java代码中, 可以根据读取数据类型直接生成对应的DataModel. 生成构造器的参数为Configuration的对象. 之后调用buildDataModel进行读取和分割.具体的数据读取过程与分割过程需要在调用buildDataModel之前通过setConf的方式传入对象中.
2021年12月02日
2021年12月02日
2021年12月02日 在这里我们展示如何使用命令行来完成数据与模型的读取及保存, 以及使用命令行来输入参数进行推荐计算.
2021年12月02日
2021年12月02日 LibRec(http://www.librec.net) 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。LibRec 2.0.0-RC版本在模块化、算法实现、灵活易用等多方面有极大的改善,推荐性能也得到进一步提高。