recommender-system

Qdrant - 高效能、大規模向量資料庫與向量搜尋引擎，適用於下一代 AI。亦提供雲端服務 https://cloud.qdrant.io/

互動式深度學習書籍，包含多框架程式碼、數學與討論。已在 70 個國家 500 所大學採用，包括 Stanford、MIT、Harvard 與 Cambridge。

Weaviate 是一個開源向量資料庫，能同時儲存物件與向量，結合向量搜尋與結構化過濾，並具備雲原生資料庫的容錯與可擴展性

開發者友好的 OSS 嵌入式檢索庫，支援多模態 AI。Search More; Manage Less。

AI 驅動的開源推薦系統引擎，支持傳統/LLM 排序器和多模態內容嵌入

推薦系統入門教程，線上閱讀地址：https://datawhalechina.github.io/fun-rec/

RSTutorials：精選推薦系統必讀論文清單

LightFM 的 Python 實作，一種混合推薦演算法。

快速開源搜尋與聚類引擎 × 適用於向量與任意物件 × 支援 C++、C、Python、JavaScript、Rust、Java、Objective‑C、Swift、C#、GoLang 與 Wolfram 🔍

Fast Python Collaborative Filtering for Implicit Feedback Datasets

深度學習入門課、資深課、特色課、學術案例、產業實踐案例、深度學習知識百科及面試題庫The course, case and knowledge of Deep Learning and AI

Alink 是基於 Flink 的機器學習算法平台，由阿里巴巴計算平台 PAI 團隊開發。

推薦系統的經典論文與資源

加速深度學習研發

用於透過數據學習因果關係的演算法索引

深度學習推薦系統

使用 Rust 編寫的高效近似最近鄰搜尋演算法集合庫 🦀。

用於推薦系統的 PyTorch 領域函式庫

用於工業級搜尋、推薦和廣告的精選深度學習論文。專注於 Embedding、Matching、Pre-Ranking、Ranking、Post Ranking、Relevance、LLM 和 RL。請引用我們的論文 "Deep Learning to Rank in Industrial Search Engines, Recommender Systems, and Online Advertising - An Overview and New Perspectives" (TOIS 2026)。

大規模推薦演算法的框架。

基於大型語言模型（LLM）的推薦系統精選論文與資源列表。

TensorFlow Recommenders 是一個使用 TensorFlow 建構推薦系統模型的程式庫。

OneRec 的最小化重現範例

Transformers4Rec 是一個靈活且高效的序列與基於會話的推薦函式庫，可與 PyTorch 搭配使用。

這是推薦系統 (RS) 的公開資料來源儲存庫。

一個用於推薦模型的 Lighting PyTorch 框架，易於使用且易於擴充。

NVTabular 是一個針對表格資料的特徵工程與前處理函式庫，旨在快速且輕鬆地處理用於訓練深度學習推薦系統的兆位元級（terabyte-scale）資料集。

HugeCTR 是一個專為點擊率（CTR）估算訓練而設計的高效率 GPU 框架

多模態推薦系統的比較框架

用於《Practical Recommender Systems》一書中的 Django 網站，展示推薦演算法的實作方式。