开源项目Recommender System with TF2.0主要是对阅读过的部分推荐系统、CTR预估论文进行复现，包括传统模型（MF、FM、FFM等）、神经网络模型（WDL、DCN等）以及序列模型（DIN）。
建立原因：
- 理论和实践似乎有很大的间隔，学术界与工业界的差距更是如此；
- 更好的理解论文的核心内容，增强自己的工程能力；
- 很多论文给出的开源代码都是TF1.x，因此想要用更简单的TF2.0进行复现；
项目特点：
- 使用Tensorflow2.0进行复现；
- 每个模型都是相互独立的，不存在依赖关系；
- 模型基本按照论文进行构建，实验尽量使用论文给出的的公共数据集；
- 具有【Wiki】，对于模型、实验数据集有详细的介绍和链接；
- 代码源文件参数、函数命名规范，并且带有标准的注释；
1、通过git命令git clone https://github.com/ZiyaoGeng/Recommender-System-with-TF2.0.git或者直接下载；
2、需要环境Python3.7，Tensorflow2.0；
3、根据自己数据集的位置，合理更改所需模型文件内train.py的file路径；
4、设置超参数，直接运行即可；
| Paper|Model | Published in | Author |
|---|---|---|
| Matrix Factorization Techniques for Recommender Systems|MF | IEEE Computer Society,2009 | Koren|Yahoo Research |
| Factorization Machines|FM | ICDM, 2010 | Steffen Rendle |
| Field-aware Factorization Machines for CTR Prediction｜FFM | RecSys, 2016 | Yuchin Juan｜Criteo Research |
| Paper｜Model | Published in | Author |
|---|---|---|
| Wide & Deep Learning for Recommender Systems｜WDL | DLRS, 2016 | Google Inc. |
| Deep Crossing: Web-Scale Modeling without Manually Crafted Combinatorial Features|Deep Crossing | KDD, 2016 | Microsoft Research |
| Product-based Neural Networks for User Response Prediction|PNN | ICDM, 2016 | Shanghai Jiao Tong University |
| Deep & Cross Network for Ad Click Predictions｜DCN | ADKDD, 2017 | Stanford University｜Google Inc. |
| Neural Factorization Machines for Sparse Predictive Analytics|NFM | SIGIR, 2017 | Xiangnan He |
| Neural network-based Collaborative Filtering|NCF | WWW, 2017 | Xiangnan He |
| Attentional Factorization Machines: Learning the Weight of Feature Interactions via Attention Networks|AFM | IJCAI, 2017 | Zhejiang University|National University of Singapore |
| DeepFM: A Factorization-Machine based Neural Network for CTR Prediction|DeepFM | IJCAI, 2017 | Harbin Institute of Technology|Noah’s Ark Research Lab, Huawei |
| xDeepFM: Combining Explicit and Implicit Feature Interactions for Recommender Systems|xDeepFM | KDD, 2018 | University of Science and Technology of China |
| Paper｜Model | Published in | Author |
|---|---|---|
| Deep Interest Network for Click-Through Rate Prediction|DIN | KDD, 2018 | Alibaba Group |
| Self-Attentive Sequential Recommendation｜SASRec | ICDM, 2018 | UCSD |
1、对于项目有任何建议或问题，可以在Issue留言，或者可以添加作者微信zgzjhzgzy。
2、作者有一个自己的公众号：推荐算法的小齿轮，如果喜欢里面的内容，不妨点个关注。
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent