当前位置：首页>学习资料>三年磨一剑!推荐系统入门会简单很多!(附学习资料)

三年磨一剑!推荐系统入门会简单很多!(附学习资料)

2026-02-24 01:02:23

下面具体来介绍一下这个推荐系统框架：

这个框架要求的运行环境是：环境依赖比较常规，容易快速上手

通过在pycharm终端或者prompt里面输入下面指令，可以一键安装这个框架

pip install torch-rechub

如果大家想要去学习这个框架是怎么开发出来的，以及底层的原理，可以根据项目结构寻找相应内容来看，项目的解释文档很全面和清晰

目前支持的排序模型有13个，包括DeepFM, Wide&Deep, DCN,DCN-V2, DIN等主流模型，能满足大部分情况的使用

支持的召回模型有12个，包括DSSM, YoutubeDNN, MIND, SINE, GRU4Rec等

此外还支持多任务模型，比如ESMM, MMoE, PLE, 2021年KDD上发表的AITM，SharedBottom等

为了方便大家使用，还支持以下常见数据集格式，并提供相应的数据处理脚本，囊括了主流的数据格式

最后，还有所有模型的使用案例，比如CTR预测的精排模型调用：

from torch_rechub.models.ranking import DeepFMfrom torch_rechub.trainers import CTRTrainerfrom torch_rechub.utils.data import DataGeneratordg = DataGenerator(x, y)train_dataloader, val_dataloader, test_dataloader = dg.generate_dataloader(split_ratio=[0.7, 0.1], batch_size=256)model = DeepFM(deep_features=deep_features, fm_features=fm_features, mlp_params={"dims": [256, 128], "dropout": 0.2, "activation": "relu"})ctr_trainer = CTRTrainer(model)ctr_trainer.fit(train_dataloader, val_dataloader)auc = ctr_trainer.evaluate(ctr_trainer.model, test_dataloader)ctr_trainer.export_onnx("deepfm.onnx")

多任务排序的使用：

from torch_rechub.models.multi_task import SharedBottom, ESMM, MMOE, PLE, AITMfrom torch_rechub.trainers import MTLTrainertask_types = ["classification", "classification"] model = MMOE(features, task_types, 8, expert_params={"dims": [32,16]}, tower_params_list=[{"dims": [32, 16]}, {"dims": [32, 16]}])mtl_trainer = MTLTrainer(model)mtl_trainer.fit(train_dataloader, val_dataloader)auc = ctr_trainer.evaluate(ctr_trainer.model, test_dataloader)mtl_trainer.export_onnx("mmoe.onnx")

召回模型的接口：

from torch_rechub.models.matching import DSSMfrom torch_rechub.trainers import MatchTrainerfrom torch_rechub.utils.data import MatchDataGeneratordg = MatchDataGenerator(x, y)train_dl, test_dl, item_dl = dg.generate_dataloader(test_user, all_item, batch_size=256)model = DSSM(user_features, item_features, temperature=0.02,             user_params={                 "dims": [256, 128, 64],                 "activation": 'prelu',               },             item_params={                 "dims": [256, 128, 64],                 "activation": 'prelu',              })match_trainer = MatchTrainer(model)match_trainer.fit(train_dl)match_trainer.export_onnx("dssm.onnx")# 双塔模型可分别导出用户塔和物品塔:# match_trainer.export_onnx("user_tower.onnx", mode="user")# match_trainer.export_onnx("dssm_item.onnx", tower="item")

模型可视化：

# 可视化模型架构（需要安装: pip install torch-rechub[visualization]）graph = ctr_trainer.visualization(depth=4)  # 生成计算图ctr_trainer.visualization(save_path="model.pdf", dpi=300)  # 保存为高清 PDF

还有其他内容，可以详细查看在线文档，非常的详细，可以拿这个框架去调用一些推荐系统模型，对比不同模型的差别，然后用自己的数据集来跑一遍，基本上就算是推荐系统入门了