推荐系统学习01-引子

本文记录了学习推荐系统的过程,介绍了包括SVDFeature、LibMF、LibFM等在内的主流推荐系统工具,并分享了学习体验和后续文章计划。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

    最近学习推荐系统相关知识,借此机会记下笔记加深印象,也希望能对以后想学习推荐系统的人有些帮助。

   目前市面上主流的推荐系统有不少,比如: 

   1、SVDFeature

   主页:http://svdfeature.apexlab.org/wiki/Main_Page  开发语言:C++
   2、LibMF

   主页:http://www.csie.ntu.edu.tw/~cjlin/libmf/  开发语言:C++

   3、LibFM

   主页:http://www.libfm.org/  开发语言:C++

   4、LensKit

   主页:http://lenskit.grouplens.org/ 开发语言:Java

   5、GraphLab

   主页:GraphLab - Collaborative Filtering 开发语言:C++

   6、Mahout

   主页:http://mahout.apache.org/ 开发语言:Java (基于Hadoop)

   7、Myrrix

   此项目基于Mahout,已被Cloudera并入Oryx项目。

   8、EasyRec

   主页:http://easyrec.org/ 开发语言:Java

   9、Waffles

   主页:http://waffles.sourceforge.net/ 开发语言:C++

   详细信息可以查看此网址:http://www.oschina.net/news/51297/top-10-open-source-recommendation-systems

   我之所以不写Rapidminer是因为推荐系统占它的比重实在太低。

   学习过程并不轻松,国内能搜索到的使用教程几乎没有,只能一个一个阅读文档,慢慢尝试。

   在后面的几篇文章里,我会介绍一下我的学习经历和结果。

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值