recommender-system

Qdrant - 次世代AIのための高性能・大規模ベクトルデータベースおよびベクトル検索エンジン。クラウドでも利用可能 (https://cloud.qdrant.io/)。

マルチフレームワークのコード、数学、ディスカッションを伴うインタラクティブな深層学習ブック。Stanford、MIT、Harvard、Cambridgeを含む70カ国から500の大学で採用されています。

Weaviateは、オブジェクトとベクトルを両方保存するオープンソースのベクトルデータベースであり、クラウドネイティブデータベースの耐障害性とスケーラビリティにより、ベクトル検索と構造化フィルタリングの組み合わせを可能にします。

マルチモーダルAI向けの開発者フレンドリーなOSS埋め込み検索ライブラリ。より多く検索、より少なく管理

AIを搭載したオープンソースのレコメンダーシステムエンジン。古典的な/LLMランカーと埋め込みを介したマルチモーダルコンテンツをサポート。

推奨システム入門チュートリアル。オンライン閲覧アドレス：https://datawhalechina.github.io/fun-rec/

RSTutorials：レコメンダーシステムに関する必読論文の厳選リスト。

ハイブリッド推薦アルゴリズムであるLightFMのPython実装。

C++, C, Python, JavaScript, Rust, Java, Objective-C, Swift, C#, GoLang, Wolframにおける高速なオープンソース検索＆クラスタリングエンジン × ベクトルおよび任意のオブジェクト用 × 🔍

暗黙的フィードバックデータセットのための高速なPython協調フィルタリング

ディープラーニングの入門・上級・特色コース、学術・産業実践事例、知識百科、面接問題集

Alinkは、アリババのコンピューティングプラットフォームPAIチームによって開発された、Flinkベースの機械学習アルゴリズムプラットフォーム

推薦システムに関する古典的な論文とリソース

高速化されたディープラーニングの研究開発

データから因果関係を学習するためのアルゴリズムインデックス

ディープラーニングを活用したレコメンデーションシステム

🚀 Rustで書かれた効率的な近似近傍探索アルゴリズムコレクションライブラリ 🦀。

レコメンデーションシステム向けの PyTorch ドメインライブラリ

産業用の検索、推薦、広告向けの Awesome ディープラーニング論文集。埋め込み、マッチング、プレランク、ランク、ポストランク、関連性、LLM、RL に焦点を当てています。論文「Deep Learning to Rank in Industrial Search Engines, Recommender Systems, and Online Advertising - An Overview and New Perspectives」(TOIS 2026) の引用をお願いします。

大規模レコメンデーションアルゴリズムのためのフレームワーク。

大規模言語モデル（LLM）の推薦システムに関する優れた論文とリソースのリスト。

TensorFlow Recommenders は、TensorFlow を使用してレコメンデーションシステムモデルを構築するためのライブラリです。

OneRecの最小限の再現コード

Transformers4Recは、シーケンシャルおよびセッションベースの推薦のための柔軟で効率的なライブラリであり、PyTorchと連携して動作します

推薦システム（RS）向けの公開データソースリポジトリ。

使いやすく拡張性の高い、レコメンデーションモデル向けの軽量なPytorchフレームワーク。

NVTabular は、ディープラーニングベースの推薦システムのトレーニングに使用されるテラバイト規模のデータセットを迅速かつ容易に操作できるように設計された、表形式データ用の特徴量エンジニアリングおよび前処理ライブラリです。

HugeCTR は、クリック率（CTR）予測の学習用に設計された高効率な GPU フレームワークです

マルチモーダル推薦システムのための比較フレームワーク

書籍『Practical Recommender Systems』で使用され、推薦アルゴリズムの実装方法を解説するための Django ウェブサイト。