fun-rec

收录理由

这份仓库以教材式的结构，把推荐系统从传统级联架构讲到生成式范式，读起来很像一门循序渐进的课程。前半部分从协同过滤、向量召回、序列召回等候选检索技术入手，接着介绍特征交叉、多目标建模和多场景建模等排序与重排方法；后半部分则聚焦前沿方向，涵盖基于大模型的建模流程、HSTU这类扩展律架构、借鉴OneRec的端到端设计、带推理能力的推荐模型，以及扩散模型在推荐中的应用，最后还附上一个完整的生产级实战项目。内容面向已有一定机器学习基础、想系统掌握推荐算法原理或准备面试的读者，理论讲解搭配TensorFlow代码和可运行的示例，既能帮你梳理知识体系，也能作为从零规划真实推荐系统的参考。由于项目仍在持续开发，更新频繁，更适合当作伴随学习的读本，而非直接部署到生产环境的现成方案。