Github上超火的Python开源项目-对经典论文进行复现

建立原因

开源项目Recommended System with TF2.0主要是对阅读过的部分推荐系统、CTR预估论文进行复现。建立的原因有三个：

1. 理论和实践似乎有很大的间隔，学术界与工业界的差距更是如此；
2. 更好的理解论文的核心内容，增强自己的工程能力；
3. 很多论文给出的开源代码都是TF1.x，因此想要用更简单的TF2.0进行复现； 当然也看过一些知名的开源项目，如DeepCTR等，不过对自己目前的水平来说，只适合拿来参考。

项目特点

项目特点：

• 使用TF2.0-CPU进行复现；
• 每个模型都是相互独立的，不存在依赖关系；
• 模型基本按照论文进行构建，实验尽量使用论文给出的的公共数据集。如果论文给出github代码，会进行参考；
• 对于实验数据集有专门详细的介绍；
• 代码源文件参数、函数命名规范，并且带有标准的注释；
• 每个模型会有专门的代码文档（.md文件）或者其他方式进行解释；

目前复现模型

目前复现的模型有（按复现时间进行排序）：

• NCF
• DIN
• Wide&Deep
• DCN
• PNN
• Deep Crossing
• DeepFM 持续更新中······

具体内容

开源项目的具体内容如下：

1、数据集的介绍

对复现过程中所使用的数据集进行简单的介绍、对其中的特征进行分析以及处理数据集的过程。

例如：

Criteo

Criteo广告数据集是一个经典的用来预测广告点击率的数据集。2014年，由全球知名广告公司Criteo赞助举办Display Advertising Challenge比赛。但比赛过去太久，Kaggle已不提供数据集。现有三种方式获得数据集或其样本：

• Criteo_sample.txt：包含在DeepCTR中，用于测试模型是否正确，不过数据量太少；
• kaggle Criteo：训练集（10.38G）、测试集（1.35G）;（实验大部分都是使用该数据集）
• Criteo 1TB：可以根据需要下载完整的日志数据集； Criteo数据集的具体介绍与处理：传送门【https://github.com/BlackSpaceGZY/Recommended-System-with-TF2.0/blob/master/Dataset%20Introduction.md#3-criteo】

2、论文模型

该部分主要分为：

• 模型结构图；
• 实验数据集；
• 代码解析：即当前模型开源代码的简单文档介绍【完善更新中...】；
• 原文开源代码：如果有的话；
• 原文地址；
• 原文笔记：对应自己对该论文的笔记；

例如：

Deep Interest Network for Click-Through Rate Prediction(DIN)
模型：


数据集： Amazon数据集中Electronics子集。 代码解析：

参考原文开源代码地址：
github.com/zhougr1993/…

原文地址：
arxiv.org/pdf/1706.06…

原文笔记：

mp.weixin.qq.com/s/uIs_Fpeow…

接下来的任务

由于昨天晚上有一位同学问我会不会复现某一篇文章，这我也说不准。因此对接下来的复现任务可以计划一下： 会对已经读过（其实之前的复现的论文都是读过两遍的）的论文进行复现：FNN、xDeepFM、AFM等； 会加入2020年新的论文导读和部分论文复现：DMR等；