recommender-system

Qdrant - Basis data vektor dan mesin pencari vektor berkinerja tinggi berskala masif untuk AI generasi berikutnya. Juga tersedia di cloud https://cloud.qdrant.io/

Buku deep learning interaktif dengan kode multi-framework, matematika, dan diskusi. Digunakan di 500 universitas dari 70 negara termasuk Stanford, MIT, Harvard, dan Cambridge.

Weaviate adalah basis data vektor sumber terbuka yang menyimpan objek dan vektor, memungkinkan kombinasi pencarian vektor dengan pemfilteran terstruktur dengan toleransi kesalahan dan skalabilitas basis data cloud-native.

Pustaka retrieval tertanam (embedded) open-source yang ramah pengembang untuk AI multimodal. Cari Lebih Banyak; Kelola Lebih Sedikit.

Mesin sistem pembuat rekomendasi sumber terbuka berbasis AI yang mendukung pemeringkat klasik/LLM dan konten multimodal melalui embedding

Tutorial pengantar sistem rekomendasi, baca daring di: https://datawhalechina.github.io/fun-rec/

RSTutorials: Daftar makalah wajib baca tentang Sistem Rekomendasi.

Implementasi Python untuk LightFM, sebuah algoritma rekomendasi hibrida.

Mesin Pencari & Kluster Open-Source Cepat × untuk Vektor & Objek Arbitrer × dalam C++, C, Python, JavaScript, Rust, Java, Objective-C, Swift, C#, GoLang, dan Wolfram 🔍

Collaborative Filtering Python yang cepat untuk dataset umpan balik implisit

Kursus pengantar, lanjutan, khusus, studi kasus akademik, praktik industri, ensiklopedia pengetahuan, dan bank soal wawancara Deep Learning dan AI.

Alink adalah platform algoritma Machine Learning berbasis Flink, yang dikembangkan oleh tim PAI dari platform komputasi Alibaba.

Makalah dan sumber daya klasik mengenai sistem rekomendasi.

R&D deep learning yang dipercepat

Indeks algoritma untuk mempelajari kausalitas dengan data.

Sistem Rekomendasi Deep Learning

🚀 Pustaka koleksi algoritma pencarian tetangga terdekat perkiraan yang efisien, ditulis dalam Rust 🦀.

Pustaka domain Pytorch untuk sistem rekomendasi

Kumpulan makalah Deep Learning untuk Pencarian, Rekomendasi, dan Iklan industri. Fokus pada Embedding, Matching, Pre-Ranking, Ranking, Post Ranking, Relevansi, LLM, dan RL. Mohon sitasi makalah kami "Deep Learning to Rank in Industrial Search Engines, Recommender Systems, and Online Advertising - An Overview and New Perspectives" (TOIS 2026).

Framework untuk algoritma rekomendasi skala besar.

Daftar makalah dan sumber daya luar biasa tentang sistem rekomendasi pada model bahasa besar (LLM).

TensorFlow Recommenders adalah pustaka untuk membangun model sistem rekomendasi menggunakan TensorFlow.

Reproduksi minimal dari OneRec

Transformers4Rec adalah pustaka yang fleksibel dan efisien untuk rekomendasi sekuensial dan berbasis sesi serta bekerja dengan PyTorch.

Ini adalah repositori sumber data publik untuk Sistem Rekomendasi (RS).

Framework PyTorch Lightning untuk Model Rekomendasi, mudah digunakan dan mudah dikembangkan.

NVTabular adalah pustaka rekayasa fitur dan pra-pemrosesan untuk data tabular yang dirancang untuk memanipulasi himpunan data berskala terabita secara cepat dan mudah yang digunakan untuk melatih sistem rekomendasi berbasis deep learning.

HugeCTR adalah kerangka kerja GPU efisiensi tinggi yang dirancang untuk pelatihan estimasi Click-Through-Rate (CTR)

Kerangka Kerja Perbandingan untuk Sistem Rekomendasi Multimodal

Situs web Django yang digunakan dalam buku Practical Recommender Systems untuk mengilustrasikan cara implementasi algoritma rekomendasi.