recommenders-team/recommenders

[ASK] Getting recommendation with xDeepFM

Open

#1.728 geöffnet am 31. Mai 2022

Auf GitHub ansehen
 (7 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (2.972 Forks)batch import
help wanted

Repository-Metriken

Stars
 (17.706 Stars)
PR-Merge-Metriken
 (Durchschn. Merge 6T 16h) (10 gemergte PRs in 30 T)

Beschreibung

Description

I am actually using xDeepFM to find recommendation with implicit feedbacks and I did not find examples on how to find top-k recommendation with the model. I tried to use the function model.predict() with a file containing all the possible interactions between my users and items to find a score for each pair and sorting these scores to find top-k recommendation. This method gives me the same recommendation for every user so I would want to know if my method is wrong and what would you suggest to find top-k recommendation ?

Contributor Guide

Research-Richtung
Untersuche die vorhandenen Beispiele für xDeepFM im examples Ordner des Repositorys, um zu prüfen, ob es ein Top k Empfehlungsskript gibt. Der Benutzer meldet, dass model.predict() für alle Benutzer identische Empfehlungen liefert. Untersuche daher, ob die Eingabedaten benutzerspezifische Merkmale benötigen oder ob das Modell nicht ordnungsgemäß trainiert wurde. Überprüfe verwandte Issues oder Diskussionen zu Cold Start oder Benutzer Bias. Stelle ein konkretes Code Snippet für Top k Empfehlungen mit xDeepFM bereit.
Tech Stack
python
Domain
machine learningai
Issue Type
Recherche
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-2 Tage
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Meist klar
Voraussetzungen
PythonMachine Learning
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
40