用TF2.0 复现经典推荐系统论文

Posted 2021-05-01 程序员遇见GitHub

设为“ 星标”，重磅干货，第一时间送达。

这是阿三的第 211 期分享 

作者 | 阿三

首发 | 程序员遇见GitHub

大家好，我是阿三，今天给大家带来的是一个用TF2.0重新实现一些推荐系统经典论文的仓库。

一. 推荐系统
TensorFlow和Keras都是在4年前发布的（Keras为2015年3月，TensorFlow为2015年11月）。在深度学习时代这是很长的时间！

在过去，TensorFlow 1.x + Keras存在许多已知问题：
 
   
   
 

  
    
    
  
使用TensorFlow意味着要处理静态计算图，对于习惯于命令式编码的程序员而言，这将感到尴尬且困难。
  
    
    
  
虽然TensorFlow API非常强大和灵活，但它缺乏完善性，常常令人困惑或难以使用。
  
    
    
  
尽管Keras的生产率很高且易于使用，但对于研究用例通常缺乏灵活性。

 
   
   
 
TensorFlow 2.0建立在以下关键思想之上：
 
   
   
 

  
    
    
  
让用户像在Numpy中一样急切地运行他们的计算。这使TensorFlow 2.0编程变得直观而Pythonic。
  
    
    
  
保留已编译图形的显着优势（用于性能，分布和部署）。这使TensorFlow快速，可扩展且可投入生产。
  
    
    
  
利用Keras作为其高级深度学习API，使TensorFlow易于上手且高效。
  
    
    
  
将Keras扩展到从非常高级（更易于使用，不太灵活）到非常低级（需要更多专业知识，但提供了极大灵活性）的工作流范围。
 
   
   
 

TF 2.0 的发布也会让大家重新开始使用TF，今天的这个仓库，作者利用TF2.0重新去复现了很多推荐系统的经典论文，包括如下论文：

既包括传统方法的论文

也包含使用深度学习和神经网络的文章：

还有使用序列模型的论文：

https://github.com/ZiyaoGeng/Recommender-System-with-TF2.0

二 希望和大家有互动
本轮打卡于9月23日结束，阿三在这里感谢大家的参与，打卡满30天的同学请后台联系阿三领取红包，一共5个名额，先到先得。如果已经联系过阿三，但是阿三并没有回复的同学请再联系阿三一次。感谢大家的支持!
推荐阅读：