librec
LibRec V2.0 Source Codes
LibRec (https://guoguibing.github.io/librec/index.html) เป็นไลบรารี Java สำหรับระบบผู้แนะนำ (ต้องใช้ Java เวอร์ชัน 1.7 หรือสูงกว่า) ใช้ชุดอัลกอริธึมการแนะนำที่ล้ำสมัย โดยมีเป้าหมายเพื่อแก้ไขปัญหางานแนะนำแบบคลาสสิกสองงาน: การทำนายคะแนน และ การจัดอันดับรายการ
ระบบแนะนำภาพยนตร์ได้รับการออกแบบและมีให้ที่นี่
โปรดดูเอกสาร LibRec และเอกสาร API
เป็นเวลาหนึ่งปีแล้วนับตั้งแต่เวอร์ชันล่าสุดเปิดตัว ในปีนี้ มีการเปลี่ยนแปลงมากมายกับโปรเจ็กต์ LibRec และการเปลี่ยนแปลงที่สำคัญที่สุดคือการกำหนดทีม LibRec ทีมงานผลักดันการพัฒนา LibRec ด้วยภูมิปัญญาของผู้เชี่ยวชาญจำนวนมาก และการทำงานร่วมกันของผู้ร่วมให้ข้อมูลที่มีประสบการณ์และกระตือรือร้น หากปราศจากความพยายามและทำงานหนักของพวกเขา ก็เป็นไปไม่ได้เลยที่จะไปถึงสภาวะที่นักพัฒนารายเดียวอาจใฝ่ฝันได้
LibRec 2.0 ไม่ใช่จุดสิ้นสุดของการทำงานเป็นทีม แต่เป็นเพียงจุดเริ่มต้นของวัตถุประสงค์ที่ยิ่งใหญ่กว่า เรามุ่งมั่นที่จะให้บริการเวอร์ชัน NEXT อย่างต่อเนื่องเพื่อประสบการณ์และประสิทธิภาพที่ดีขึ้น มีทิศทางและเป้าหมายมากมายในแผน และเราจะพยายามอย่างเต็มที่เพื่อให้สิ่งนั้นเกิดขึ้น เป็นเรื่องน่าตื่นเต้นเสมอที่ได้รับการสนับสนุนโค้ด คำแนะนำ และความคิดเห็นจากผู้ใช้ LibRec ทุกคนของเรา
เราหวังว่าคุณจะสนุกกับเวอร์ชันใหม่!
PS: ติดตามเราบน WeChat เพื่อรับข้อมูลโดยตรงและอัปเดตเกี่ยวกับ LibRec
ขั้นตอนของ LibRec มีภาพประกอบดังต่อไปนี้
โดยมาเวน
<dependency>
<groupId>net.librec</groupId>
<artifactId>librec-core</artifactId>
<version>2.0.0</version>
</dependency>
โดยแพ็คเกจ
คุณสามารถรัน LibRec ด้วยการกำหนดค่าจากอาร์กิวเมนต์คำสั่ง:
librec rec -exec -D rec.recommender.class=itemcluster -D rec.pgm.number=10 -D rec.iterator.maximum=20
หรือจากไฟล์กำหนดค่า:
librec rec -exec -conf itemcluster-test.properties
คุณสามารถใช้ LibRec เป็นส่วนหนึ่งของโปรเจ็กต์ของคุณ และใช้โค้ดต่อไปนี้เพื่อรันผู้แนะนำ
โมฆะสาธารณะ main (String [] args) พ่นข้อยกเว้น {
// การกำหนดค่าผู้แนะนำ
การกำหนดค่า conf = การกำหนดค่าใหม่ ();
ทรัพยากร ทรัพยากร = ทรัพยากรใหม่ ("rec/cf/userknn-test.properties");
conf.addResource (ทรัพยากร);
// สร้างโมเดลข้อมูล
DataModel dataModel = TextDataModel ใหม่ (conf);
dataModel.buildDataModel();
// กำหนดบริบทคำแนะนำ
บริบท RecommenderContext = ใหม่ RecommenderContext (conf, dataModel);
ผู้แนะนำความคล้ายคลึงกัน = ใหม่ PCCSimilarity();
ความคล้ายคลึงกัน.buildSimilarityMatrix(dataModel, จริง);
context.setSimilarity (ความคล้ายคลึงกัน);
// การฝึกอบรม
ผู้แนะนำ ผู้แนะนำ = UserKNNRecommender ใหม่ ();
ผู้แนะนำแนะนำ (บริบท);
// การประเมิน
RecommenderEvaluator ผู้ประเมิน = MAEEvaluator ใหม่ ();
ผู้แนะนำประเมินผล (ผู้ประเมิน);
// ผลการแนะนำ
รายการ recommendedItemList = recommendeder.getRecommendedList();
ตัวกรองแนะนำตัวกรอง = ใหม่ GenericRecommendedFilter();
recommendedItemList = filter.filter(recommendedItemList);
-
เราขอขอบคุณบุคคลต่อไปนี้ที่บริจาคซอร์สโค้ดให้กับ LibRec รวมถึง Prof. Robin Burke, Bin Wu, Diego Monti, Ge Zhou, Li Wenxi, Marco Mera, Ran Locar, Shawn Rutledge, ShuLong Chen, Tao Lian , Takuya Kitazawa, Zhaohua Hong, Tan Jiale, Daniel Velten, Qian Shaofeng ฯลฯ เราขอขอบคุณ Mr. Lijun Dai ในการออกแบบและ สนับสนุนโลโก้ของ LibRec และขอขอบคุณ Mr. Jianbin Zhang สำหรับการนำไปใช้และแบ่งปันการสาธิต LibRec
นอกจากนี้เรายังขอขอบคุณคนอื่นๆ อีกมากมายสำหรับการรายงานจุดบกพร่องและปัญหาต่างๆ และสำหรับการให้คำแนะนำและการสนับสนุนอันมีค่า
โปรดอ้างอิงเอกสารต่อไปนี้หาก LibRec มีประโยชน์ต่อการวิจัยของคุณ
LibRec เป็นซอฟต์แวร์เสรี: คุณสามารถแจกจ่ายซ้ำและ/หรือแก้ไขได้ภายใต้เงื่อนไขของ GNU General Public License (GPL) ตามที่เผยแพร่โดย Free Software Foundation ไม่ว่าจะเป็นเวอร์ชัน 3 ของใบอนุญาต หรือ (ตามตัวเลือกของคุณ) เวอร์ชันที่ใหม่กว่า . LibRec ได้รับการเผยแพร่ด้วยความหวังว่าจะมีประโยชน์ แต่ไม่มีการรับประกันใดๆ โดยไม่มีการรับประกันโดยนัยถึงความสามารถในการซื้อขายหรือความเหมาะสมสำหรับวัตถุประสงค์เฉพาะ ดูใบอนุญาตสาธารณะทั่วไปของ GNU สำหรับรายละเอียดเพิ่มเติม
คุณควรได้รับสำเนาของ GNU General Public License พร้อมกับ LibRec ถ้าไม่ โปรดดู http://www.gnu.org/licenses/
