عن المشروع

Recommenders هو مشروع مفتوح المصدر تابع لمؤسسة Linux Foundation للذكاء الاصطناعي والبيانات، ويوفر أمثلة وأفضل الممارسات لبناء أنظمة التوصية، ويتم تقديمه بشكل أساسي كدفاتر Jupyter notebook. هدفه المعلن هو مساعدة الباحثين والمطورين والمتحمسين على إنشاء نماذج أولية وتجربة خوارزميات التوصية الكلاسيكية والحديثة ونقلها نحو الإنتاج. تُنظم المواد حول خمس مهام رئيسية: إعداد وتحميل البيانات لكل خوارزمية؛ بناء النماذج باستخدام الأساليب الكلاسيكية والتعلم العميق؛ تقييم الخوارزميات باستخدام مقاييس غير متصلة بالإنترنت؛ اختيار النماذج وتحسينها عبر ضبط المعلمات الفائقة؛ وتشغيل النماذج في بيئة إنتاجية. تتعامل الأدوات المساعدة في حزمة recommenders مع الاحتياجات الشائعة مثل تحميل مجموعات البيانات بتنسيقات خاصة بالخوارزميات، وتقييم المخرجات، وتقسيم بيانات التدريب/الاختبار. يوثق المستودع فهرسًا واسعًا للخوارزميات، بما في ذلك طرق التصفية التعاونية مثل ALS وBPR وBiVAE وCaser وLightGCN وNCF وRBM وSAR وSASRec وSVD وWide and Deep وxDeepFM واختلافات متعددة لـ VAE، بالإضافة إلى الأساليب القائمة على المحتوى مثل DKN وLightGBM وLSTUR وNAML وNPA وNRMS وTF-IDF وVowpal Wabbit. يرتبط كل إدخال بدفاتر بدء سريع أو فحص عميق. يقارن دفتر معياري عدة خوارزميات تصفية تعاونية على MovieLens 100k باستخدام مقاييس الترتيب والتقييم، مع إعدادات معلمات موثقة وسياق الأجهزة. توصي إرشادات التثبيت باستخدام uv لإدارة البيئة وVS Code للتطوير، مع مكونات إضافية اختيارية لوحدات معالجة الرسومات (GPU) وSpark والتطوير والميزات التجريبية. المشروع مرخص بموجب MIT، ويرحب بالمساهمات بموجب إرشادات منشورة ومدونة قواعد سلوك، ويستشهد بدورات وكتب وأوراق أكاديمية ذات صلة.