Home

Torch-RecHub，一个轻量级的pytorch推荐模型框架

核心定位

易用易拓展，聚焦复现业界实用的推荐模型，以及泛生态化的推荐场景

主要特性

• scikit-learn风格易用的API（fit、predict），即插即用
• 模型训练与模型定义解耦，易拓展，可针对不同类型的模型设置不同的训练机制
• 接受pandas的DataFrame、Dict数据输入，上手成本低
• 高度模块化，支持常见Layer，容易调用组装成新模型
  • LR、MLP、FM、FFM、CIN
  • target-attention、self-attention、transformer
• 支持常见排序模型
  • WideDeep、DeepFM、DIN、DIEN、BST、DCN、xDeepFM等
• 支持常见召回模型
  • DSSM、YoutubeDNN、YoutubeDSSM、FacebookEBR、MIND等
• 丰富的多任务学习支持
  • SharedBottom、ESMM、MMOE、PLE、AITM等模型
  • GradNorm、UWL、MetaBanlance等动态loss加权机制
• 聚焦更生态化的推荐场景
  • 冷启动
  • 延迟反馈
  • 去偏
• 支持丰富的训练机制
  • 对比学习
  • 蒸馏学习
• 第三方高性能开源Trainer支持（Pytorch Lighting）
• 更多模型正在开发中