# Recommender-System

**Repository Path**: codewithzhx/Recommender-System

## Basic Information

- **Project Name**: Recommender-System
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-02-11
- **Last Updated**: 2025-02-11

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Recommender-System

A developing recommender system, implements in tensorflow 2.

Dataset: MovieLens-100k, MovieLens-1m, MovieLens-20m, lastfm, Book-Crossing, and some satori knowledge graph.

Algorithm: UserCF, ItemCF, LFM, SLIM, GMF, MLP, NeuMF, FM, DeepFM, MKR, RippleNet, KGCN and so on.

Evaluation: ctr's auc f1 and topk's precision recall.

## Requirements

* Python 3.8
* Tensorflow 2.3.2

## Run

Open parent directory of current file as project in PyCharm, set up Python 3.8 interpreter and pip install tensorflow==2.3.2.

Go to Recommender_System/algorithm/xxx/main.py and run.

MovieLens-20m is too large to upload. If you need it, [download](http://files.grouplens.org/datasets/movielens/ml-20m.zip) and put 'ml-20m' under 'Recommender_System/data/ds' folder.

---

# Recommender-System推荐系统

这是一个正在开发的基于tensorflow2实现的推荐系统。

数据集：电影MovieLens-100k, MovieLens-1m, MovieLens-20m，音乐lastfm，书Book-Crossing，以及一些satori知识图谱。

算法：UserCF（基于用户的协同过滤）, ItemCF（基于物品的协同过滤）, LFM, SLIM, GMF, MLP, NeuMF, FM, DeepFM, MKR, RippleNet, KGCN等。

评估指标：点击率预测ctr的auc和f1，topk评估的准确率precision和召回率recall。

## 需求

* Python 3.8
* Tensorflow 2.3.2

## 运行

在PyCharm里面将此文件的父文件夹作为项目打开，设置好Python3.8的环境并使用pip安装tensorflow的2.3.2版本。

到Recommender_System/algorithm/xxx/main.py源码文件下并点击运行。

MovieLens-20m数据集太大了因此不被包含在此项目文件中，如果你需要这个数据集，[下载MovieLens-20m](http://files.grouplens.org/datasets/movielens/ml-20m.zip)并将'ml-20m'文件夹放到'Recommender_System/data/ds'目录下。