点击率 推荐系统，recall和rank

推荐系统库 该存储库提供了我们对推荐系统的研究摘要。 它包括我们基于不同推荐主题的代码，全面的阅读列表和一组bechmark数据集。 代码库 目前，我们对顺序推荐，基于特征的推荐和社交推荐感兴趣。 顺序推荐 由于用户的兴趣自然是动态的，因此对用户的顺序行为进行建模可以了解用户当前兴趣的上下文表示，从而提供更准确的建议。 在此项目中，我们包括一些采用先进序列建模技术的最新顺序推荐器，例如马尔可夫链（MC），递归神经网络（RNN），时间卷积神经网络（TCN）和自专心神经网络（变压器）。 基于功能的推

产品推荐系统 基于深层兴趣网络和CTR预测基本模型的产品推荐系统使用Amazon Review数据。

OpenLearning4DeepRecsys 我们已经通过深度学习技术实施了一些流行且很有前途的推荐系统。 我们希望开放源代码，并希望它可以在相关主题上为更多的人提供帮助，同时提高我们的代码质量。 环境：python 3.5，tensorflow 1.0.0 用法：只需下载相应的文件，根据自己的配置修改一些行，然后运行“ python xxxx.py”。 目前，我们旨在为研究领域的交流提供机会。 稍后，我们计划为现成的用途构建一个集成工具。 因此，如果您有任何建议，请告诉我。 深度调频