funrec

funrec 是基于 PyTorch 的深度学习推荐模型与特征工程工具集，提供 CTR 模型、特征列和常用网络层。

安装

pip install funrec

使用

最小示例：

import torch
from funrec.inputs import DenseFeat, SparseFeat, build_input_features
from funrec.models import DeepFM

columns = [SparseFeat("user", 4, embedding_dim=4), DenseFeat("score")]
model = DeepFM(columns, columns, dnn_hidden_units=(8, 4))
features = build_input_features(columns)
x = torch.zeros(2, len(features))
print(model(x).shape)  # torch.Size([2, 1])

更多训练示例见 examples/，运行前需额外安装 pip install funrec[examples]（含 pandas）， 各脚本按自身文件路径解析同目录下的数据文件，直接执行 python examples/<脚本名>.py 即可， 无需切换工作目录。MIND 模型的训练与召回评估（funrec.models.p2019.mind.train）还需要 faiss/matplotlib，安装 pip install funrec[mind]。

感恩的心

• DeepCTR 易用可扩展的深度学习点击率预测算法包。
  • DeepCTR：上游项目采用 MIT License。
  • DeepCTR-Torch：上游项目采用 MIT License，本项目部分代码来源于此。
• fun-rec 推荐系统的整体介绍，包含 推荐系统概述、推荐算法基础、推荐系统实战和推荐系统面经
  • 文档
  • 源码

---

关于 farfarfun

farfarfun 是一个专注于实用工具库的开源组织， 涵盖云存储、数据处理、AI、多媒体与开发工具链等方向。

• 🏠 组织主页：https://github.com/farfarfun
• 📦 PyPI：https://pypi.org/user/niuliangtao/
• 📧 联系：farfarfun@qq.com

本项目基于 MIT 协议开源。