Awesome GitHub RepositoriesPreference Modeling

Ce projet est un pipeline de recommandation de bout en bout et un framework conçu pour construire des moteurs de recommandation génératifs. Il utilise des grands modèles de langage et la recherche vectorielle pour faciliter la découverte personnalisée d'éléments et produit des recommandations via la tokenisation et l'alignement sémantique. Le système intègre un moteur de recommandation génératif avec un système de classement multi-objectifs et un pipeline de récupération par recherche vectorielle. Ces composants permettent l'utilisation de frameworks de raisonnement pour effectuer des inférences sur les éléments et l'application d'algorithmes de re-classement pour optimiser la diversité des résultats. Le framework couvre l'intégralité du cycle de vie du développement de recommandations, y compris l'optimisation de la récupération des candidats, la modélisation des préférences utilisateur et la création de pipelines hybrides hors ligne/en ligne pour le déploiement. Il intègre également une modélisation de séquence consciente du matériel pour maintenir les performances sur différentes échelles matérielles.

Neural collaborative filtering is a recommendation system framework that predicts user item preferences from implicit feedback by combining generalized matrix factorization and multi-layer perceptron networks through a shared final embedding layer. It captures both linear and non-linear interactions to model user preferences from historical data. The framework executes training and evaluation runs through a configuration-driven pipeline accessible via command-line interfaces, parsing hyperparameters such as learning rates, batch sizes, and latent dimensions. It optimizes implicit feedback mod