torch-rechub about dopmc HOT 14 OPEN

Hi @morningsky, welcome! 欢迎参与到Datawhale社区~

from dopmc.

同意立项:)，加油！期待~

from dopmc.

内容初步规划：初步规划TODO清单
这个打不开。

这个和fun-rec的区别是什么？对标什么库？deepctr吗？

from dopmc.

@finlay-liu
可以试一下打开链接之后，把https换成http；fun-rec是一个学习教程，该项目是一个框架，所有模型统一模块化封装，方便开发新模型与直接调用，使用方法类似deepctr；

from dopmc.

可否对框架支持的算法做一个明确的清单，先在一个框架里做事情，最后也好保证目标完成。

from dopmc.

@andongBlue 模型是一个增量的过程，总体还在规划中，每一块负责的人目前还没完全敲定，人员也在招募中，目前可能暂时无法给出；beta版本会覆盖核心方向（排序、召回、多任务），v0.1版本会对每个方向至少覆盖2个以上较新的模型，具体选择会依据该论文影响力/贡献者个人兴趣/贡献者实际需求综合而定

from dopmc.

同意

from dopmc.

@andongBlue 初步总体实现模型清单如下

from dopmc.

我觉得挺好的，这样可以建立反馈，同意立项

from dopmc.

问一哈，咱们这个和deeprec-torch, recbole这些类似的库的区别是在哪里？

from dopmc.

问一哈，咱们这个和deeprec-torch, recbole这些类似的库的区别是在哪里？

@YibinXie
设计上：与deepctr-torch相比，训练与模型解耦（与recbole类似），方便设计不同的Trainer（多任务、元学习、蒸馏学习等），以及继承第三方trainer。与recbole相比更轻量，可输入普通dataframe、dict等数据格式，方便用户自定义dataloader。

内容上：在包括少数经典召回排序模型的基础上，主要关注业界发表的更生态化的推荐论文模型（多任务、多兴趣、冷启动、延迟反馈等），进行统一复现与研究。与fun-rec推荐系统教程项目配套。

from dopmc.

该立项的最终结论是什么？

from dopmc.

你好 @morningsky，Datawhale 社区已经收到求助信息 ⚠️，会很快进行反馈。

from dopmc.

目前为持续招募相关人员中，如果人员充足，请在该评论下回复

from dopmc.