الصفحة الرئيسية>المتعلقة بالبرمجة>شفرة المصدر الأخرى
تنزيل

جي ستار كرافت RNS

آمل أن يتمكن زملاء الدراسة المارة من منح إطار عمل JStarCraft نجمة، وهو ما يمكن اعتباره بمثابة تشجيع للمؤلف!

جدول المحتويات

  • يقدم
  • مميزة
  • ثَبَّتَ
    • قم بتثبيت إطار عمل JStarCraft الأساسي
    • قم بتثبيت إطار عمل JStarCraft AI
    • قم بتثبيت محرك JStarCraft RNS
  • يستخدم
    • تعيين التبعيات
    • بناء مكون
    • نماذج التدريب والتقييم
    • احصل على النموذج
  • بنيان
  • مفهوم
    • لماذا هناك حاجة إلى استرجاع المعلومات
    • أوجه التشابه والاختلاف بين البحث والتوصية
    • ما هي المشاكل التي يحلها محرك JStarCraft RNS؟
    • الفرق بين مهمة التصنيف ومهمة التصنيف
    • هل يمكن استخدام خوارزمية التصنيف لحل مشكلات التصنيف؟
  • مثال
    • يتفاعل محرك JStarCraft RNS مع البرامج النصية لـ BeanShell
    • يتفاعل محرك JStarCraft RNS مع نصوص Groovy
    • يتفاعل محرك JStarCraft RNS مع البرامج النصية JS
    • يتفاعل محرك JStarCraft RNS مع نصوص Kotlin
    • يتفاعل محرك JStarCraft RNS مع نصوص Lua النصية
    • يتفاعل محرك JStarCraft RNS مع نصوص Python
    • يتفاعل محرك JStarCraft RNS مع البرامج النصية لروبي
  • مقابلة
    • مقارنة نموذج الترتيب
    • مقارنة نموذج التهديف
  • إصدار
  • الرجوع إلى
    • وصف النموذج الشخصي
    • وصف مجموعة البيانات
  • بروتوكول
  • مؤلف
  • شكر وتقدير
  • يتبرع

يقدم

JStarCraft RNS هو محرك خفيف الوزن موجه إلى مجال استرجاع المعلومات ويتبع بروتوكول Apache 2.0.

التركيز على حل المشكلات الأساسية في مجال استرجاع المعلومات: التوصية والبحث.

توفير تصميم وتنفيذ محرك التوصيات الذي يلبي متطلبات السيناريوهات على المستوى الصناعي.

توفير تصميم وتنفيذ محرك البحث الذي يلبي متطلبات السيناريوهات على المستوى الصناعي.

مميزة

  • 1. عبر منصة
  • 2. الحوسبة التسلسلية والمتوازية
  • 3. تسريع أجهزة وحدة المعالجة المركزية ووحدة معالجة الرسومات
  • 4. حفظ النموذج وتحميله
  • 5. توصيات غنية وخوارزميات البحث
  • 6. دعم البرنامج النصي الغني
    • رائع
    • شبيبة
    • لوا
    • مفيل
    • بايثون
    • روبي
  • 7. مؤشرات التقييم الغنية
    • مؤشر الفرز
    • مؤشرات التقييم

ثَبَّتَ

يتطلب JStarCraft RNS أن يكون لدى المستخدمين البيئة التالية:

  • JDK 8 أو أعلى
  • مافن 3

قم بتثبيت إطار عمل JStarCraft-Core 

git clone https://github.com/HongZhaoHua/jstarcraft-core.git

mvn install -Dmaven.test.skip=true

قم بتثبيت إطار عمل JStarCraft-AI 

git clone https://github.com/HongZhaoHua/jstarcraft-ai.git

mvn install -Dmaven.test.skip=true

قم بتثبيت محرك JStarCraft-RNS 

git clone https://github.com/HongZhaoHua/jstarcraft-rns.git

mvn install -Dmaven.test.skip=true

يستخدم

تعيين التبعيات

  • تعيين تبعيات مافن 
 <dependency>
    <groupId>com.jstarcraft</groupId>
    <artifactId>rns</artifactId>
    <version>1.0</version>
</dependency>
  • قم بتعيين تبعيات Gradle 
compile group : ' com.jstarcraft ' , name : ' rns ' , version : ' 1.0 '

بناء مكون 

 Properties keyValues = new Properties ();
keyValues . load ( this . getClass (). getResourceAsStream ( "/data.properties" ));
keyValues . load ( this . getClass (). getResourceAsStream ( "/recommend/benchmark/randomguess-test.properties" ));
Configurator configurator = new Configurator ( keyValues );

نماذج التدريب والتقييم

  • بناء مهام الفرز 
 RankingTask task = new RankingTask ( RandomGuessModel . class , configurator );
// 训练与评估排序模型
task . execute ();
  • بناء مهام التهديف 
 RatingTask task = new RatingTask ( RandomGuessModel . class , configurator );
// 训练与评估评分模型
task . execute ();

احصل على النموذج 

 // 获取模型
Model model = task . getModel ();

بنيان

مفهوم

لماذا هناك حاجة إلى استرجاع المعلومات 

随着信息技术和互联网的发展,人们逐渐从信息匮乏(Information Underload)的时代走入了信息过载(Information Overload)的时代.

无论是信息消费者还是信息生产者都遇到了挑战:
* 对于信息消费者,从海量信息中寻找信息,是一件非常困难的事情;
* 对于信息生产者,从海量信息中暴露信息,也是一件非常困难的事情;

信息检索的任务就是联系用户和信息,一方面帮助用户寻找对自己有价值的信息,另一方面帮助信息暴露给对它感兴趣的用户,从而实现信息消费者和信息生产者的双赢.

أوجه التشابه والاختلاف بين البحث والتوصية 

从信息检索的角度:
* 搜索和推荐是获取信息的两种主要手段;
* 搜索和推荐是获取信息的两种不同方式;
    * 搜索(Search)是主动明确的;
    * 推荐(Recommend)是被动模糊的;

搜索和推荐是两个互补的工具.

ما هي المشاكل التي يحلها محرك JStarCraft-RNS؟ 

 JStarCraft-RNS引擎旨在解决推荐与搜索领域的两个核心任务:排序预测(Ranking)和评分预测(Rating).

الفرق بين مهمة التصنيف ومهمة التصنيف 

根据解决基本问题的不同,将算法与评估指标划分为排序(Ranking)与评分(Rating).

两者之间的根本区别在于目标函数的不同.
通俗点的解释:
Ranking算法基于隐式反馈数据,趋向于拟合用户的排序.(关注度)
Rating算法基于显示反馈数据,趋向于拟合用户的评分.(满意度)

هل يمكن استخدام خوارزمية التصنيف لحل مشكلات التصنيف؟ 

关键在于具体场景中,关注度与满意度是否保持一致.
通俗点的解释:
人们关注的东西,并不一定是满意的东西.(例如:个人所得税)

مثال

يتفاعل محرك JStarCraft-RNS مع البرامج النصية لـ BeanShell

  • مثال كامل

  • اكتب برنامج BeanShell لتدريب النموذج وتقييمه وحفظه في ملف Model.bsh 

 // 构建配置
keyValues = new Properties();
keyValues.load(loader.getResourceAsStream("data.properties"));
keyValues.load(loader.getResourceAsStream("model/benchmark/randomguess-test.properties"));
configurator = new Configurator(keyValues);

// 此对象会返回给Java程序
_data = new HashMap();

// 构建排序任务
task = new RankingTask(RandomGuessModel.class, configurator);
// 训练与评估模型并获取排序指标
measures = task.execute();
_data.put("precision", measures.get(PrecisionEvaluator.class));
_data.put("recall", measures.get(RecallEvaluator.class));

// 构建评分任务
task = new RatingTask(RandomGuessModel.class, configurator);
// 训练与评估模型并获取评分指标
measures = task.execute();
_data.put("mae", measures.get(MAEEvaluator.class));
_data.put("mse", measures.get(MSEEvaluator.class));

_data;
  • قم بتحميل وتنفيذ البرامج النصية لـ BeanShell من ملف Model.bsh باستخدام إطار عمل JStarCraft 
 // 获取BeanShell脚本
File file = new File ( ScriptTestCase . class . getResource ( "Model.bsh" ). toURI ());
String script = FileUtils . readFileToString ( file , StringUtility . CHARSET );

// 设置BeanShell脚本使用到的Java类
ScriptContext context = new ScriptContext ();
context . useClasses ( Properties . class , Assert . class );
context . useClass ( "Configurator" , MapConfigurator . class );
context . useClasses ( "com.jstarcraft.ai.evaluate" );
context . useClasses ( "com.jstarcraft.rns.task" );
context . useClasses ( "com.jstarcraft.rns.model.benchmark" );
// 设置BeanShell脚本使用到的Java变量
ScriptScope scope = new ScriptScope ();
scope . createAttribute ( "loader" , loader );

// 执行BeanShell脚本
ScriptExpression expression = new GroovyExpression ( context , scope , script );
Map < String , Float > data = expression . doWith ( Map . class );
Assert . assertEquals ( 0.005825241F , data . get ( "precision" ), 0F );
Assert . assertEquals ( 0.011579763F , data . get ( "recall" ), 0F );
Assert . assertEquals ( 1.2708743F , data . get ( "mae" ), 0F );
Assert . assertEquals ( 2.425075F , data . get ( "mse" ), 0F );

يتفاعل محرك JStarCraft-RNS مع نصوص Groovy

  • مثال كامل

  • اكتب نصوص Groovy لتدريب النموذج وتقييمه وحفظه في ملف Model.groovy 

 // 构建配置
def keyValues = new Properties ();
keyValues . load(loader . getResourceAsStream( " data.properties " ));
keyValues . load(loader . getResourceAsStream( " recommend/benchmark/randomguess-test.properties " ));
def configurator = new Configurator (keyValues);

// 此对象会返回给Java程序
def _data = [:];

// 构建排序任务
task = new RankingTask ( RandomGuessModel . class, configurator);
// 训练与评估模型并获取排序指标
measures = task . execute();
_data . precision = measures . get( PrecisionEvaluator . class);
_data . recall = measures . get( RecallEvaluator . class);

// 构建评分任务
task = new RatingTask ( RandomGuessModel . class, configurator);
// 训练与评估模型并获取评分指标
measures = task . execute();
_data . mae = measures . get( MAEEvaluator . class);
_data . mse = measures . get( MSEEvaluator . class);

_data;
  • قم بتحميل وتنفيذ البرامج النصية Groovy من ملفات Model.groovy باستخدام إطار عمل JStarCraft 
 // 获取Groovy脚本
File file = new File ( ScriptTestCase . class . getResource ( "Model.groovy" ). toURI ());
String script = FileUtils . readFileToString ( file , StringUtility . CHARSET );

// 设置Groovy脚本使用到的Java类
ScriptContext context = new ScriptContext ();
context . useClasses ( Properties . class , Assert . class );
context . useClass ( "Configurator" , MapConfigurator . class );
context . useClasses ( "com.jstarcraft.ai.evaluate" );
context . useClasses ( "com.jstarcraft.rns.task" );
context . useClasses ( "com.jstarcraft.rns.model.benchmark" );
// 设置Groovy脚本使用到的Java变量
ScriptScope scope = new ScriptScope ();
scope . createAttribute ( "loader" , loader );

// 执行Groovy脚本
ScriptExpression expression = new GroovyExpression ( context , scope , script );
Map < String , Float > data = expression . doWith ( Map . class );

يتفاعل محرك JStarCraft-RNS مع البرامج النصية JS

  • مثال كامل

  • اكتب نصوص JS لتدريب النموذج وتقييمه وحفظه في ملف Model.js 

 // 构建配置
var keyValues = new Properties ( ) ;
keyValues . load ( loader . getResourceAsStream ( "data.properties" ) ) ;
keyValues . load ( loader . getResourceAsStream ( "recommend/benchmark/randomguess-test.properties" ) ) ;
var configurator = new Configurator ( [ keyValues ] ) ;

// 此对象会返回给Java程序
var _data = { } ;

// 构建排序任务
task = new RankingTask ( RandomGuessModel . class , configurator ) ;
// 训练与评估模型并获取排序指标
measures = task . execute ( ) ;
_data [ 'precision' ] = measures . get ( PrecisionEvaluator . class ) ;
_data [ 'recall' ] = measures . get ( RecallEvaluator . class ) ;

// 构建评分任务
task = new RatingTask ( RandomGuessModel . class , configurator ) ;
// 训练与评估模型并获取评分指标
measures = task . execute ( ) ;
_data [ 'mae' ] = measures . get ( MAEEvaluator . class ) ;
_data [ 'mse' ] = measures . get ( MSEEvaluator . class ) ;

_data ;
  • قم بتحميل وتنفيذ البرامج النصية JS من ملف Model.js باستخدام إطار عمل JStarCraft 
 // 获取JS脚本
File file = new File ( ScriptTestCase . class . getResource ( "Model.js" ). toURI ());
String script = FileUtils . readFileToString ( file , StringUtility . CHARSET );

// 设置JS脚本使用到的Java类
ScriptContext context = new ScriptContext ();
context . useClasses ( Properties . class , Assert . class );
context . useClass ( "Configurator" , MapConfigurator . class );
context . useClasses ( "com.jstarcraft.ai.evaluate" );
context . useClasses ( "com.jstarcraft.rns.task" );
context . useClasses ( "com.jstarcraft.rns.model.benchmark" );
// 设置JS脚本使用到的Java变量
ScriptScope scope = new ScriptScope ();
scope . createAttribute ( "loader" , loader );

// 执行JS脚本
ScriptExpression expression = new JsExpression ( context , scope , script );
Map < String , Float > data = expression . doWith ( Map . class );

يتفاعل محرك JStarCraft-RNS مع نصوص Kotlin

  • مثال كامل

  • اكتب برنامج Kotlin لتدريب النموذج وتقييمه وحفظه في ملف Model.kt 

 // 构建配置
var keyValues = Properties ( ) ;
var loader = bindings [ "loader" ] as ClassLoader ;
keyValues . load ( loader . getResourceAsStream ( "data.properties" ) ) ;
keyValues . load ( loader . getResourceAsStream ( "model/benchmark/randomguess-test.properties" ) ) ;
var option = Option ( keyValues ) ;

// 此对象会返回给Java程序
var _data = mutableMapOf < String , Float > ( ) ;

// 构建排序任务
var rankingTask = RankingTask ( RandomGuessModel :: class . java , option ) ;
// 训练与评估模型并获取排序指标
val rankingMeasures = rankingTask . execute ( ) ;
_data [ "precision" ] = rankingMeasures . getFloat ( PrecisionEvaluator :: class . java ) ;
_data [ "recall" ] = rankingMeasures . getFloat ( RecallEvaluator :: class . java ) ;

// 构建评分任务
var ratingTask = RatingTask ( RandomGuessModel :: class . java , option ) ;
// 训练与评估模型并获取评分指标
var ratingMeasures = ratingTask . execute ( ) ;
_data [ "mae" ] = ratingMeasures . getFloat ( MAEEvaluator :: class . java ) ;
_data [ "mse" ] = ratingMeasures . getFloat ( MSEEvaluator :: class . java ) ;

_data ;
  • قم بتحميل وتنفيذ البرامج النصية Kotlin من ملفات Model.kt باستخدام إطار عمل JStarCraft 
 // 获取Kotlin脚本
File file = new File ( ScriptTestCase . class . getResource ( "Model.kt" ). toURI ());
String script = FileUtils . readFileToString ( file , StringUtility . CHARSET );

// 设置Kotlin脚本使用到的Java类
ScriptContext context = new ScriptContext ();
context . useClasses ( Properties . class , Assert . class );
context . useClass ( "Option" , MapOption . class );
context . useClasses ( "com.jstarcraft.ai.evaluate" );
context . useClasses ( "com.jstarcraft.rns.task" );
context . useClasses ( "com.jstarcraft.rns.model.benchmark" );
// 设置Kotlin脚本使用到的Java变量
ScriptScope scope = new ScriptScope ();
scope . createAttribute ( "loader" , loader );

// 执行Kotlin脚本
ScriptExpression expression = new KotlinExpression ( context , scope , script );
Map < String , Float > data = expression . doWith ( Map . class );

يتفاعل محرك JStarCraft-RNS مع نصوص Lua النصية

  • مثال كامل

  • اكتب نصوص Lua لتدريب النموذج وتقييمه وحفظه في ملف Model.lua 

 -- 构建配置
local keyValues = Properties . new ();
keyValues : load ( loader : getResourceAsStream ( " data.properties " ));

keyValues : load ( loader : getResourceAsStream ( " recommend/benchmark/randomguess-test.properties " ));
local configurator = Configurator . new ({ keyValues });

-- 此对象会返回给Java程序
local _data = {};

-- 构建排序任务
task = RankingTask . new ( RandomGuessModel , configurator );
-- 训练与评估模型并获取排序指标
measures = task : execute ();
_data [ " precision " ] = measures : get ( PrecisionEvaluator );
_data [ " recall " ] = measures : get ( RecallEvaluator );

-- 构建评分任务
task = RatingTask . new ( RandomGuessModel , configurator );
-- 训练与评估模型并获取评分指标
measures = task : execute ();
_data [ " mae " ] = measures : get ( MAEEvaluator );
_data [ " mse " ] = measures : get ( MSEEvaluator );

return _data ;
  • قم بتحميل وتنفيذ البرامج النصية Lua من ملف Model.lua باستخدام إطار عمل JStarCraft 
 // 获取Lua脚本
File file = new File ( ScriptTestCase . class . getResource ( "Model.lua" ). toURI ());
String script = FileUtils . readFileToString ( file , StringUtility . CHARSET );

// 设置Lua脚本使用到的Java类
ScriptContext context = new ScriptContext ();
context . useClasses ( Properties . class , Assert . class );
context . useClass ( "Configurator" , MapConfigurator . class );
context . useClasses ( "com.jstarcraft.ai.evaluate" );
context . useClasses ( "com.jstarcraft.rns.task" );
context . useClasses ( "com.jstarcraft.rns.model.benchmark" );
// 设置Lua脚本使用到的Java变量
ScriptScope scope = new ScriptScope ();
scope . createAttribute ( "loader" , loader );

// 执行Lua脚本
ScriptExpression expression = new LuaExpression ( context , scope , script );
LuaTable data = expression . doWith ( LuaTable . class );

يتفاعل محرك JStarCraft-RNS مع نصوص Python

  • مثال كامل

  • اكتب نصوص Python لتدريب النموذج وتقييمه وحفظه في ملف Model.py 

 # 构建配置
keyValues = Properties ()
keyValues . load ( loader . getResourceAsStream ( "data.properties" ))
keyValues . load ( loader . getResourceAsStream ( "recommend/benchmark/randomguess-test.properties" ))
configurator = Configurator ([ keyValues ])

# 此对象会返回给Java程序
_data = {}

# 构建排序任务
task = RankingTask ( RandomGuessModel , configurator )
# 训练与评估模型并获取排序指标
measures = task . execute ()
_data [ 'precision' ] = measures . get ( PrecisionEvaluator )
_data [ 'recall' ] = measures . get ( RecallEvaluator )

# 构建评分任务
task = RatingTask ( RandomGuessModel , configurator )
# 训练与评估模型并获取评分指标
measures = task . execute ()
_data [ 'mae' ] = measures . get ( MAEEvaluator )
_data [ 'mse' ] = measures . get ( MSEEvaluator )
  • قم بتحميل وتنفيذ برامج Python النصية من ملفات Model.py باستخدام إطار عمل JStarCraft 
 // 设置Python环境变量
System . setProperty ( "python.console.encoding" , StringUtility . CHARSET . name ());

// 获取Python脚本
File file = new File ( PythonTestCase . class . getResource ( "Model.py" ). toURI ());
String script = FileUtils . readFileToString ( file , StringUtility . CHARSET );

// 设置Python脚本使用到的Java类
ScriptContext context = new ScriptContext ();
context . useClasses ( Properties . class , Assert . class );
context . useClass ( "Configurator" , MapConfigurator . class );
context . useClasses ( "com.jstarcraft.ai.evaluate" );
context . useClasses ( "com.jstarcraft.rns.task" );
context . useClasses ( "com.jstarcraft.rns.model.benchmark" );
// 设置Python脚本使用到的Java变量
ScriptScope scope = new ScriptScope ();
scope . createAttribute ( "loader" , loader );

// 执行Python脚本
ScriptExpression expression = new PythonExpression ( context , scope , script );
Map < String , Double > data = expression . doWith ( Map . class );

JStarCraft-روبي

  • مثال كامل

  • اكتب برنامج نصي Ruby لتدريب النموذج وتقييمه وحفظه في ملف Model.rb 

 # 构建配置
keyValues = Properties . new ( )
keyValues . load ( $loader . getResourceAsStream ( "data.properties" ) )
keyValues . load ( $loader . getResourceAsStream ( "model/benchmark/randomguess-test.properties" ) )
configurator = Configurator . new ( keyValues )

# 此对象会返回给Java程序
_data = Hash . new ( )

# 构建排序任务
task = RankingTask . new ( RandomGuessModel . java_class , configurator )
# 训练与评估模型并获取排序指标
measures = task . execute ( )
_data [ 'precision' ] = measures . get ( PrecisionEvaluator . java_class )
_data [ 'recall' ] = measures . get ( RecallEvaluator . java_class )

# 构建评分任务
task = RatingTask . new ( RandomGuessModel . java_class , configurator )
# 训练与评估模型并获取评分指标
measures = task . execute ( )
_data [ 'mae' ] = measures . get ( MAEEvaluator . java_class )
_data [ 'mse' ] = measures . get ( MSEEvaluator . java_class )

_data ;
  • قم بتحميل وتنفيذ البرامج النصية لـ Ruby من ملف Model.rb باستخدام إطار عمل JStarCraft 
 // 获取Ruby脚本
File file = new File ( ScriptTestCase . class . getResource ( "Model.rb" ). toURI ());
String script = FileUtils . readFileToString ( file , StringUtility . CHARSET );

// 设置Ruby脚本使用到的Java类
ScriptContext context = new ScriptContext ();
context . useClasses ( Properties . class , Assert . class );
context . useClass ( "Configurator" , MapConfigurator . class );
context . useClasses ( "com.jstarcraft.ai.evaluate" );
context . useClasses ( "com.jstarcraft.rns.task" );
context . useClasses ( "com.jstarcraft.rns.model.benchmark" );
// 设置Ruby脚本使用到的Java变量
ScriptScope scope = new ScriptScope ();
scope . createAttribute ( "loader" , loader );

// 执行Ruby脚本
ScriptExpression expression = new RubyExpression ( context , scope , script );
Map < String , Double > data = expression . doWith ( Map . class );
Assert . assertEquals ( 0.005825241096317768D , data . get ( "precision" ), 0D );
Assert . assertEquals ( 0.011579763144254684D , data . get ( "recall" ), 0D );
Assert . assertEquals ( 1.270874261856079D , data . get ( "mae" ), 0D );
Assert . assertEquals ( 2.425075054168701D , data . get ( "mse" ), 0D );

مقابلة

مقارنة نموذج الترتيب

  • نموذج خط الأساس
اسم مجموعة البيانات التدريب (ملي ثانية) التنبؤ (ملي ثانية) الجامعة الأمريكية بالقاهرة رسم خريطة MRR NDCG بدعة دقة يتذكر
الأكثر شعبية com.filmtrust 43 273 0.92080 0.41246 0.57196 0.51583 11.79295 0.33230 0.62385
RandomGuess com.filmtrust 38 391 0.51922 0.00627 0.02170 0.01121 91.94900 0.00550 0.01262
  • نموذج تعاوني
اسم مجموعة البيانات التدريب (ملي ثانية) التنبؤ (ملي ثانية) الجامعة الأمريكية بالقاهرة رسم خريطة MRR NDCG بدعة دقة يتذكر
أهر com.filmtrust 12448 253 0.89324 0.38967 0.53990 0.48338 21.13004 0.32295 0.56864
AspectRanking com.filmtrust 177 58 0.85130 0.15498 0.42480 0.26012 37.36273 0.13302 0.31292
BHFreeRanking com.filmtrust 5720 4257 0.92080 0.41316 0.57231 0.51662 11.79567 0.33276 0.62500
إعادة هندسة العمليات com.filmtrust 4228 137 0.89390 0.39886 0.54790 0.49180 21.46738 0.32268 0.57623
تصنيف BUCMR com.filmtrust 2111 1343 0.90782 0.39794 0.55776 0.49651 13.08073 0.32407 0.59141
كداي com.filmtrust 89280 376 0.91880 0.40759 0.56855 0.51089 11.82466 0.33051 0.61967
CliMF com.filmtrust 48429 140 0.88293 0.37395 0.52407 0.46572 19.38964 0.32049 0.54605
ديب اف ام com.filmtrust 69264 99 0.91679 0.40580 0.56995 0.50985 11.90242 0.32719 0.61426
إيلس com.filmtrust 850 185 0.86132 0.31263 0.45680 0.39475 20.08964 0.27381 0.46271
فيسماك com.filmtrust 2338 663 0.91216 0.40032 0.55730 0.50114 12.07469 0.32845 0.60294
FISMRMSE com.filmtrust 4030 729 0.91482 0.40795 0.56470 0.50920 11.91234 0.33044 0.61107
GBPR com.filmtrust 14827 150 0.92113 0.41003 0.57144 0.51464 11.87609 0.33090 0.62512
همم لعبة 38697 11223 0.80559 0.18156 0.37516 0.25803 16.01041 0.14572 0.22810
ItemBigram com.filmtrust 12492 61 0.88807 0.33520 0.46870 0.42854 17.11172 0.29191 0.53308
تصنيف العنصرKNN com.filmtrust 2683 250 0.87438 0.33375 0.46951 0.41767 20.23449 0.28581 0.49248
LDA com.filmtrust 696 161 0.91980 0.41758 0.58130 0.52003 12.31348 0.33336 0.62274
LambdaFMSstatic لعبة 25052 27078 0.87064 0.27294 0.43640 0.34794 16.47330 0.13941 0.35696
لامدا FMالوزن لعبة 25232 28156 0.87339 0.27333 0.43720 0.34728 14.71413 0.13742 0.35252
LambdaFMDynamic لعبة 74218 27921 0.87380 0.27288 0.43648 0.34706 13.50578 0.13822 0.35132
ListwiseMF com.filmtrust 714 161 0.90820 0.40511 0.56619 0.50521 15.53665 0.32944 0.60092
بلسا com.filmtrust 1027 116 0.89950 0.41217 0.57187 0.50597 16.01080 0.32401 0.58557
رانكالس com.filmtrust 3285 182 0.85901 0.29255 0.51014 0.38871 25.27197 0.22931 0.42509
RankCD منتج 1442 8905 0.56271 0.01253 0.04618 0.02682 55.42019 0.01548 0.03520
رتبةSGD com.filmtrust 309 113 0.80388 0.23587 0.42290 0.32081 42.83305 0.19363 0.35374
رتبةVFCD منتج 54273 6524 0.58022 0.01784 0.06181 0.03664 62.95810 0.01980 0.04852
نحيل com.filmtrust 62434 91 0.91849 0.44851 0.61083 0.54557 16.67990 0.34019 0.63021
تصنيف المستخدمKNN com.filmtrust 1154 229 0.90752 0.41616 0.57525 0.51393 12.90921 0.32891 0.60152
VBPR منتج 184473 15304 0.54336 0.00920 0.03522 0.01883 45.05101 0.01037 0.02266
WBPR com.filmtrust 20705 183 0.78072 0.24647 0.33373 0.30442 17.18609 0.25000 0.35516
WRMF com.filmtrust 482 158 0.90616 0.43278 0.58284 0.52480 15.17956 0.32918 0.60780
RankGeoFM شخصيات قصص الابطال الخارقين 368436 1093 0.72708 0.05485 0.24012 0.11057 37.50040 0.07866 0.08640
SBPR com.filmtrust 41481 247 0.91010 0.41189 0.56480 0.50726 15.67905 0.32440 0.59699
  • نموذج المحتوى
اسم مجموعة البيانات التدريب (ملي ثانية) التنبؤ (ملي ثانية) الجامعة الأمريكية بالقاهرة رسم خريطة MRR NDCG بدعة دقة يتذكر
تصنيف EFMR dc_dense 2066 2276 0.61271 0.01611 0.04631 0.04045 53.26140 0.02387 0.07357
تفيدف الموسيقية_الآلات 942 1085 0.52756 0.01067 0.01917 0.01773 72.71228 0.00588 0.03103

مقارنة نموذج التهديف

  • نموذج خط الأساس
اسم مجموعة البيانات التدريب (ملي ثانية) التنبؤ (ملي ثانية) ماي مب MSE
تخمين ثابت com.filmtrust 137 45 1.05608 1.00000 1.42309
المتوسط ​​العالمي com.filmtrust 60 13 0.71977 0.77908 0.85199
متوسط ​​العنصر com.filmtrust 59 12 0.72968 0.97242 0.86413
مجموعة العناصر com.filmtrust 471 41 0.71976 0.77908 0.85198
RandomGuess com.filmtrust 38 8 1.28622 0.99597 2.47927
متوسط ​​المستخدم com.filmtrust 35 9 0.64618 0.97242 0.70172
مجموعة المستخدم com.filmtrust 326 45 0.71977 0.77908 0.85199
  • نموذج تعاوني
اسم مجموعة البيانات التدريب (ملي ثانية) التنبؤ (ملي ثانية) ماي مب MSE
تقييم الجانب com.filmtrust 220 5 0.65754 0.97918 0.71809
ASVDPlusPlus com.filmtrust 5631 8 0.71975 0.77921 0.85196
متحيز com.filmtrust 92 6 0.63157 0.98387 0.66220
BHFreeRating com.filmtrust 6667 76 0.71974 0.77908 0.85198
BPMF com.filmtrust 25942 52 0.66504 0.98465 0.70210
تصنيف BUCMR com.filmtrust 1843 30 0.64834 0.99102 0.67992
اتفاقية مكافحة التصحر منتج 15715 9 0.96670 0.93947 1.62145
بعثة تقصي الحقائق com.filmtrust 5422 6 0.63446 0.98413 0.66682
فمالس com.filmtrust 1854 5 0.64788 0.96032 0.73636
fmsgd com.filmtrust 3496 10 0.63452 0.98426 0.66710
جي بي إل إس إيه com.filmtrust 2567 7 0.67311 0.98972 0.79883
إيررج com.filmtrust 40284 6 0.64766 0.98777 0.73700
البندKNNRating com.filmtrust 2052 27 0.62341 0.95394 0.67312
أقل البلدان نموا com.filmtrust 8650 84 0.66383 0.99284 0.70666
لورما com.filmtrust 16618 82 0.64930 0.96591 0.76067
MFALS com.filmtrust 2944 5 0.82939 0.94549 1.30547
نمف com.filmtrust 1198 8 0.67661 0.96604 0.83493
قوات الدفاع الشعبي com.filmtrust 215 7 0.72959 0.98165 0.99948
الإدارة القائمة على النتائج com.filmtrust 19551 270 0.74484 0.98504 0.88968
RFRec com.filmtrust 16330 54 0.64008 0.97112 0.69390
SVDPlusPlus com.filmtrust 452 26 0.65248 0.99141 0.68289
URP com.filmtrust 1514 25 0.64207 0.99128 0.67122
تصنيف المستخدمKNN com.filmtrust 1121 135 0.63933 0.94640 0.69280
RSTE com.filmtrust 4052 10 0.64303 0.99206 0.67777
SocialMF com.filmtrust 918 13 0.64668 0.98881 0.68228
SoRec com.filmtrust 1048 10 0.64305 0.99232 0.67776
SoReg com.filmtrust 635 8 0.65943 0.96734 0.72760
TimeSVD com.filmtrust 11545 36 0.68954 0.93326 0.87783
TrustMF com.filmtrust 2038 7 0.63787 0.98985 0.69017
TrustSVD com.filmtrust 12465 إثنان وعشرون 0.61984 0.98933 0.63875
AssociationRule com.filmtrust 2628 195 0.90853 0.41801 0.57777
تشخيص الشخصية com.filmtrust 45 642 0.72964 0.76620 1.03071
مزحة د com.filmtrust 3321 170 0.74472 0.22894 0.32406
SlopeOne com.filmtrust 135 28 0.63788 0.96175 0.71057
  • نموذج المحتوى
اسم مجموعة البيانات التدريب (ملي ثانية) التنبؤ (ملي ثانية) ماي مب MSE
تصنيف EFMR dc_dense 659 8 0.61546 0.85364 0.78279
هفت الموسيقية_الآلات 162753 13 0.64272 0.94886 0.81393
موضوعMFAT الموسيقية_الآلات 6907 7 0.61896 0.98734 0.72545
موضوعMFMT الموسيقية_الآلات 6323 7 0.61896 0.98734 0.72545

إصدار

الرجوع إلى

وصف النموذج الشخصي

  • نموذج خط الأساس
اسم سؤال الوصف/الأطروحة
RandomGuess تصنيف الترتيب تخمين عشوائي
الأكثر شعبية تصنيف الأكثر شعبية
تخمين ثابت تصنيف تخمين مستمر
المتوسط ​​العالمي تصنيف المتوسط ​​العالمي
متوسط ​​العنصر تصنيف متوسط ​​السلعة
مجموعة العناصر تصنيف تجميع العناصر
متوسط ​​المستخدم تصنيف مستخدم متوسط
مجموعة المستخدم تصنيف تجميع المستخدم
  • نموذج تعاوني
اسم سؤال الوصف/الأطروحة
AspectModel تصنيف الترتيب نماذج الطبقة الكامنة للتصفية التعاونية
BHFree تصنيف الترتيب الموازنة بين التنبؤ ودقة التوصية: العوامل الكامنة الهرمية لبيانات التفضيلات
BUCM تصنيف الترتيب نمذجة اختيار العناصر وملاءمتها للحصول على توصيات دقيقة
البندKNN تصنيف الترتيب التصفية التعاونية القائمة على العناصر
مستخدمKNN تصنيف الترتيب التصفية التعاونية القائمة على المستخدم
أهر تصنيف تحسين التعلم الزوجي لتوصية العنصر من خلال التعليقات الضمنية
إعادة هندسة العمليات تصنيف BPR: تصنيف بايزي الشخصي من التعليقات الضمنية
CliMF تصنيف CLiMF: تعلم تعظيم المرتبة المتبادلة من خلال التصفية التعاونية الأقل هو الأكثر
إيلس تصنيف التصفية التعاونية لمجموعة بيانات التعليقات الضمنية
FISM تصنيف FISM: نماذج تشابه العناصر المعامل لأنظمة التوصية من الدرجة الأولى
GBPR تصنيف GBPR: تصنيف بايزي الشخصي القائم على تفضيلات المجموعة للتصفية التعاونية من فئة واحدة
همفوركف تصنيف نموذج ماركوف المخفي الغرض: فئة للنموذج، بما في ذلك المعلمات
ItemBigram تصنيف نمذجة الموضوع: ما وراء حقيبة الكلمات
لامدا اف ام تصنيف LambdaFM: تعلم التصنيف الأمثل باستخدام آلات التحليل باستخدام بدائل Lambda
LDA تصنيف تخصيص Dirichlet الكامن للتغذية الراجعة الضمنية
ListwiseMF تصنيف تعلم الترتيب من خلال القائمة باستخدام تحليل المصفوفة للتصفية التعاونية
بلسا تصنيف النماذج الدلالية الكامنة للتصفية التعاونية
رانكالس تصنيف تناوب المربعات الصغرى للتصنيف الشخصي
رتبةSGD تصنيف مجموعة التصفية التعاونية للتصنيف
نحيل تصنيف SLIM: الطرق الخطية المتفرقة لأنظمة التوصية Top-N
WBPR تصنيف تصنيف بايزي المخصص للعناصر التي لم يتم أخذ عينات منها بشكل موحد
WRMF تصنيف التصفية التعاونية لمجموعات بيانات التعليقات الضمنية
رتبة GeoFM تصنيف Rank-GeoFM: طريقة التحليل الجغرافي القائمة على التصنيف لتوصية نقطة الاهتمام
SBPR تصنيف الاستفادة من الاتصالات الاجتماعية لتحسين التصنيف المخصص للتصفية التعاونية
AssociationRule تصنيف خوارزمية التوصية باستخدام قواعد الاقتران متعددة المستويات
مزحة د تصنيف تصنيف شخصي مع التنوع
غير متماثلSVD++ تصنيف التخصيم يلتقي بالجوار: نموذج تصفية تعاوني متعدد الأوجه
تسجيل تلقائي تصنيف التسجيل التلقائي: تتوافق أجهزة الترميز التلقائي مع التصفية التعاونية
BPMF تصنيف تحليل المصفوفة الاحتمالية البايزية باستخدام سلسلة ماركوف مونت كارلو
اتفاقية مكافحة التصحر تصنيف تصفية تعاونية متوازية واسعة النطاق لجائزة Netflix
بعثة تقصي الحقائق تصنيف آلات التحليل الميداني للتنبؤ بنسبة النقر إلى الظهور
جي بي إل إس إيه تصنيف التصفية التعاونية عبر التحليل الدلالي الاحتمالي الكاوسي
إيررج تصنيف استغلال علاقات العناصر الضمنية لأنظمة التوصية
MFALS تصنيف تصفية تعاونية متوازية واسعة النطاق لجائزة Netflix
نمف تصنيف خوارزميات تحليل المصفوفات غير السالبة
قوات الدفاع الشعبي تصنيف PMF: تحليل المصفوفة الاحتمالية
الإدارة القائمة على النتائج تصنيف آلات بولتزمان المقيدة للتصفية التعاونية
الترددات اللاسلكية التوصية تصنيف RF-Rec: حساب سريع ودقيق للتوصيات بناءً على ترددات التصنيف
إس في دي++ تصنيف التخصيم يلتقي بالجوار: نموذج تصفية تعاوني متعدد الأوجه
URP تصنيف ملف تعريف تصنيف المستخدم: نموذج LDA للتنبؤ بالتقييم
RSTE تصنيف تعلم كيفية التوصية مع فرقة الثقة الاجتماعية
SocialMF تصنيف تقنية تحليل المصفوفة مع نشر الثقة للتوصية في الشبكات الاجتماعية
SoRec تصنيف SoRec: توصية اجتماعية باستخدام تحليل المصفوفة الاحتمالية
SoReg تصنيف أنظمة التوصية مع التنظيم الاجتماعي
تايم إس في دي ++ تصنيف التصفية التعاونية مع الديناميكيات الزمنية
TrustMF تصنيف التصفية التعاونية الاجتماعية حسب الثقة
TrustSVD تصنيف TrustSVD: التصفية التعاونية مع التأثير الصريح والضمني لثقة المستخدم وتقييمات العناصر
تشخيص الشخصية تصنيف مقدمة موجزة لتشخيص الشخصية
SlopeOne تصنيف تنبؤات Slope One للتصفية التعاونية القائمة على التصنيف عبر الإنترنت
  • نموذج المحتوى
اسم سؤال الوصف/الأطروحة
إي إف إم تصنيف الترتيب نماذج عوامل صريحة للتوصية القابلة للتفسير بناءً على تحليل المشاعر على مستوى العبارة
قوة العمل-جيش الدفاع الإسرائيلي تصنيف مصطلح تردد معكوس تردد الوثيقة
هفت تصنيف العوامل المخفية والموضوعات المخفية: فهم أبعاد التصنيف مع نص المراجعة
موضوعMF تصنيف TopicMF: استغلال التقييمات والمراجعات في الوقت نفسه للتوصية

وصف مجموعة البيانات

  • مجموعة بيانات أمازون
  • مجموعة بيانات بيبسونومي
  • مجموعة بيانات BookCrossing
  • مجموعة بيانات تشاو
  • مجموعة بيانات دوبان
  • مجموعة بيانات كل فيلم
  • مجموعة بيانات إيبينيونز
  • مجموعة بيانات شخصيات قصص الابطال الخارقين
  • مجموعة بيانات الكتب الجيدة
  • مجموعة بيانات جوالا
  • مجموعة بيانات HetRec2011
  • مجموعة بيانات جوكر
  • مجموعة بيانات مراجعة الأفلام الكبيرة
  • مجموعة بيانات MovieLens
  • مجموعة بيانات مجموعات الأخبار
  • مجموعة بيانات شبكة ستانفورد الكبيرة
  • مجموعة بيانات الصدفة 2018
  • مجموعة بيانات ويكيلينس
  • مجموعة بيانات الصرخة
  • مجموعة بيانات يونغفنغ تشانغ

بروتوكول

يتبع JStarCraft RNS بروتوكول Apache 2.0، وجميع الأعمال المشتقة المبنية عليه تنتمي إلى مؤلف العمل المشتق.

مؤلف

مؤلف هونغ تشاو هوا
بريد إلكتروني [email protected]، [email protected]

شكر وتقدير

شكر خاص لفريق LibRec ومجموعة نظام التوصية QQ (274750470) لدعمهم ومساعدتهم في التوصية.

شكر خاص إلى Lu Xugang لدعمه ومساعدته في البحث.

يتبرع

شكر خاص لشركة Hangzhou Chengzi Information Technology Co., Ltd. للتبرع لمشروع JStarCraft.

يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل