معرفی شرکت ها
deepmatch-torch-0.0.6
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
DeepMatch-Torch is a PyTorch Version deep matching model library for recommendations & advertising. It's easy to train models and to export representation vectors for user and item which can be used for ANN search.
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | deepmatch-torch-0.0.6 |
| نام | deepmatch-torch |
| نسخه کتابخانه | 0.0.6 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | bbruceyuan |
| ایمیل نویسنده | bruceyuan123@gmail.com |
| آدرس صفحه اصلی | https://github.com/bbruceyuan/DeepMatch-Torch |
| آدرس اینترنتی | https://pypi.org/project/deepmatch-torch/ |
| مجوز | MIT License |
# DeepMatch-Torch
[DeepMatch-Torch](https://github.com/bbruceyuan/DeepMatch-Torch) is a `PyTorch` version of [DeepMatch](https://github.com/shenweichen/DeepMatch).
[DeepMatch-Torch](https://github.com/bbruceyuan/DeepMatch-Torch) is a PyTorch Version deep matching model library for recommendations & advertising. It's easy to **train models** and to **export representation vectors** for user and item which can be used for **ANN search**. You can use any complex model with `model.fit()` and `model.predict()`. And you can keep same habit of using DeepMatch.
Let's [**Get Started!**](https://deepmatch.readthedocs.io/en/latest/Quick-Start.html) or [**Run examples**](./examples/colab_MovieLen1M_YoutubeDNN.ipynb) !
## 1. Install
1. Install `deepmatch-torch` by `pip`
```bash
pip install deepmatch-torch
```
2. Install `deepmatch-torch` through source code
```bash
git clone https://github.com/bbruceyuan/DeepMatch-Torch.git
cd DeepMatch-Torch
python setup.py install
```
## 2. Tutorial
You can run [example](https://github.com/bbruceyuan/DeepMatch-Torch/tree/main/examples) by following steps.
```bash
cd examples
python run_youtubednn.py or run_fm_dssm.py
```
## 3. Models List
| Model | Paper|
| :------: | :----------- |
| [FM](https://github.com/bbruceyuan/DeepMatch-Torch/blob/main/deepmatch_torch/models/fm.py) | [ICDM 2010][Factorization Machines](https://www.researchgate.net/publication/220766482_Factorization_Machines) |
| [DSSM](https://github.com/bbruceyuan/DeepMatch-Torch/blob/main/deepmatch_torch/models/dssm.py) | [CIKM 2013][Deep Structured Semantic Models for Web Search using Clickthrough Data](https://www.microsoft.com/en-us/research/publication/learning-deep-structured-semantic-models-for-web-search-using-clickthrough-data/) |
| [YoutubeDNN](https://github.com/bbruceyuan/DeepMatch-Torch/blob/main/deepmatch_torch/models/youtubednn.py) | [RecSys 2016][Deep Neural Networks for YouTube Recommendations](https://www.researchgate.net/publication/307573656_Deep_Neural_Networks_for_YouTube_Recommendations) |
| [NCF](https://github.com/bbruceyuan/DeepMatch-Torch/blob/main/deepmatch_torch/models/ncf.py) | [WWW 2017][Neural Collaborative Filtering](https://arxiv.org/abs/1708.05031) |
| [MIND](https://github.com/bbruceyuan/DeepMatch-Torch/blob/main/deepmatch_torch/models/mind.py) | [CIKM 2019][Multi-interest network with dynamic routing for recommendation at Tmall](https://arxiv.org/pdf/1904.08030) |
## TODO
- [ ] simplify model config. now only support kwargs, but config is a elegant choice.
- [ ] fix `MIND` only support CPU train bug.
## Acknowledgments
Especially thanks to [DeepMatch](https://github.com/shenweichen/DeepMatch). This project relies highly on DeepMatch. Additionally, I used the `PLBaseModel` design from [torchTS](https://github.com/Rose-STL-Lab/torchTS).
Thanks to this awesome projects.
## 中文 README
[DeepMatch-Torch](https://github.com/bbruceyuan/DeepMatch-Torch) 是一个 `PyTorch` 版本的 [DeepMatch](https://github.com/shenweichen/DeepMatch)。
[DeepMatch-Torch](https://github.com/bbruceyuan/DeepMatch-Torch) 是一个用于广告推荐的召回模型库，可以非常简单地训练模型和导致 `user` 和 `item` 的 **vertor 表示**，你可以用这个 user/item 的表示进行 ANN 近似检索。在 DeepMatch-Torch 中，你可以保持和 DeepMatch 一样的习惯，通过 `model.fit()` 和 `model.predict()` 进行模型的训练和预测。
更多的中文文档细节可以参见：[中文文档](https://github.com/bbruceyuan/DeepMatch-Torch/blob/main/README_ZH.md)
## 1. 安装
- 步骤一: 安装 PyTorch, 按照[官网指引](https://pytorch.org/get-started/locally/)
- 步骤二：
- 通过 pip 安装：`pip install deepmatch-torch`
- 通过源码安装
```bash
git clone https://github.com/bbruceyuan/DeepMatch-Torch.git
cd DeepMatch-Torch
python setup.py install
```
## 2. 快速上手
进入 [example](https://github.com/bbruceyuan/DeepMatch-Torch/tree/main/examples) 目录查看相关代码，使用方式和 DeepMatch 几乎保持一致。
```bash
cd examples
python run_youtubednn.py or run_fm_dssm.py
```
نیازمندی
| مقدار | نام |
|---|---|
| - | tqdm |
| - | sklearn |
| - | deepctr-torch |
| - | tensorflow |
| - | pytorch-lightning |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=2.7,!=3.0.*,!=3.1.*,!=3.2.*,!=3.3.*,!=3.4.* | Python |
نحوه نصب
نصب پکیج whl deepmatch-torch-0.0.6:
pip install deepmatch-torch-0.0.6.whl
نصب پکیج tar.gz deepmatch-torch-0.0.6:
pip install deepmatch-torch-0.0.6.tar.gz