- 综合排序
- 最热优先
- 最新优先
- 来自专栏杨熹的专栏
推荐系统
用 python 的 lightFM 库实现 完整代码见 Sirajology 的 Github 今天会用到三个库, Numpy, Scipy, LightFM。 先从 lightfm 这个库里引入需要的数据，还有 LightFM 用来构建模型。 import numpy as np from lightfm.datasets import fetch_movielens from lightfm import LightFM 接下来导入数据。 #create model model = LightFM(loss='warp') #train model model.fit(data['train'], epochs=30, num_threads
1.6K102发布于 2018-04-02 - 来自专栏Python数据科学
安利 10 个开源推荐系统
https://github.com/ocelma/python-recsys 7、benfred/implicit https://github.com/benfred/implicit 8、lyst/lightfm https://github.com/lyst/lightfm 9、python-recsys/crab https://github.com/python-recsys/crab 10、NicolasHug
3.1K10编辑于 2022-04-12 - 来自专栏人工智能ai相关
短视频到底如何推荐的？深度剖析视频算法推送原理详细且专业的解读-优雅草卓伊凡-【01】短视频算法推荐之数据收集
短视频推荐算法模型相关开源源码以下5个源代码是给大家的推荐，下面卓伊凡将一步步来揭开短视频算法推荐的神秘面纱LightFM - 一个灵活的推荐算法库地址：https://github.com/lyst/ lightfm简介：LightFM 是一个 Python 库，实现了混合推荐算法（结合了内容和协同过滤）。
1.4K00编辑于 2025-03-16 - 来自专栏老齐教室
基于矩阵分解原理的推荐系统
interaction：前面所创建的矩阵 n_components：对于每个用户和项目嵌入的数量 loss：定义一个损失函数，本例中我们使用warp损失函数（详见：https://making.lyst.com/lightfm
1.3K10发布于 2020-07-23 - 来自专栏杨熹的专栏
AI 在 marketing 上的应用
这里可以用 LightFM， 是一个python库，有很多流行的推荐算法，可以生成 user 和 item 的矩阵表示，可以学习每个特征的 embedding ，然后再将 user 和 item 的两个矩阵相乘得到一个分数
1.7K30发布于 2018-06-13 GitHub 热门！MindsDB 破解 AI + 数据库瓶颈，究竟有什么惊艳亮点？只需 SQL 即可实现智能预测
推荐系统：新闻、产品推荐引擎快速构建（如 LightFM推荐）。舆情与情感分析：评论情感、客服文本分类与总结。实时风控监控：基于 Kafka 数据流模型预测、异常检测。
81210编辑于 2025-06-20- 来自专栏专知
【专知荟萃10】推荐系统RS知识资料全集（入门/进阶/论文/综述/视频/代码等）
[https://github.com/guestwalk/libffm] LightFM - A Python implementation of a number of popular recommendation [https://github.com/lyst/lightfm] surprise - A scikit for building and analyzing recommender systems.
1.6K80发布于 2018-04-10 - 来自专栏AI科技大本营的专栏
从原理到落地，七大维度详解矩阵分解推荐算法
感兴趣的读者可以详细阅读原文，对该方法做进一步了解(该文章给出了具体的代码实现，是一个非常好的学习资源，代码见 https://github.com/lyst/lightfm)。 参考文献 9 中提供了一种解决矩阵分解冷启动问题的有效算法 lightFM，通过将 metadata 信息整合到矩阵分解中，可以有效解决冷启动问题，对于操作行为不多的用户以及新上线不久还未收集到更多用户行为的标的物都有比较好的推荐效果 该论文的 lightFM 算法在 github 上有相应的 python 代码实现(参见 https://github.com/lyst/lightfm )，可以作为很好的学习材料。
3.1K20发布于 2019-08-26 - 来自专栏机器之心
如何动手设计和构建推荐系统？看这里
LightFM：针对隐式和显式反馈，通过 Python 实现的很多流行推荐算法。 pyspark.mlibz*.*recommendation：Apache Spark 的机器学习 API。
86710发布于 2019-06-20 利用人工智能解读区域时尚特征(译文)
Google 开发者来自隐式反馈的贝叶斯个性化排名 — https://arxiv.org/pdf/1205.2618.pdfLight FM 文档 — https://making.lyst.com/lightfm
37110编辑于 2024-10-25- 来自专栏python3
Python资源列表-Awesome P
collaborative filtering for implicit datasets. libffm - A library for Field-aware Factorization Machine (FFM). lightfm
1.7K10发布于 2020-01-08 - 来自专栏信数据得永生
龙哥风向标20240103 GPT拆解
，用于视频内容摘要生成 需要开发的软件： 视频内容生成模型：可能需要使用深度学习框架如TensorFlow或PyTorch进行开发 视频推荐算法：可能需要使用推荐系统框架进行开发，如Surprise或LightFM
61310编辑于 2024-01-31 - 来自专栏Python数据分析实例
一份GitHub 98.9k star的Python修炼手册
lightfm：很多流行的推荐算法的 Python 实现。 spotlight：使用 PyTorch 实现的深度推荐模型。 Surprise：用于构建和分析推荐系统的科学工具。
1.9K30编辑于 2022-04-08 - 来自专栏凹凸玩数据
资源分享| 1000+ Python 第三方工具包大全
lightfm：很多流行的推荐算法的 Python 实现。 spotlight：使用 PyTorch 实现的深度推荐模型。 Surprise：用于构建和分析推荐系统的科学工具。
3.6K30发布于 2021-07-12 - 来自专栏一行数据
100个相见恨晚的Python库（建议收藏)
lightfm：很多流行的推荐算法的 Python 实现。 spotlight：使用 PyTorch 实现的深度推荐模型。 Surprise：用于构建和分析推荐系统的科学工具。
2.7K12编辑于 2021-12-21 - 来自专栏九陌斋
不容错过：超过18万star的顶级Python资源库
lightfm：很多流行的推荐算法的 Python 实现。 spotlight：使用 PyTorch 实现的深度推荐模型。 Surprise：用于构建和分析推荐系统的科学工具。
3.5K10编辑于 2023-11-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号