LibRecommender
Versatile End-to-End Recommender System
파일 탐색기
최종 버전 다운로드 (.zip)- ci.yml
- ci_serving.yml
- ci_win_mac.yml
- compatibility-tensorflow1.yml
- compatibility-tensorflow2.yml
- rust.yml
- test-install.yml
- wheels.yml
- DataSplitter.scala
- EvalClassifier.scala
- EvalRecommender.scala
- EvalRegressor.scala
- AlsExample.scala
- ClassifierExample.scala
- RegressorExample.scala
- FeatureEngineering.scala
- MultiHotEncoder.scala
- Classifier.scala
- Recommender.scala
- Regressor.scala
- Context.scala
- FilterNAs.scala
- ItemNameConverter.scala
- TestScala.scala
- pom.xml
- spark-recommender.iml
- youtube_distributed.py
- Dockerfile
- README.md
- autoint_feature.jpg
- implementation_details.md
- python_serving_guide.md
- rust_serving_guide.md
- user_guide.md
- custom.css
- autoint_feature.jpg
- als.rst
- autoint.rst
- bases.rst
- bpr.rst
- caser.rst
- deepfm.rst
- deepwalk.rst
- din.rst
- fm.rst
- graphsage.rst
- graphsage_dgl.rst
- index.rst
- item2vec.rst
- item_cf.rst
- item_cf_rs.rst
- lightgcn.rst
- ncf.rst
- ngcf.rst
- pinsage.rst
- pinsage_dgl.rst
- rnn4rec.rst
- sim.rst
- svd.rst
- svdpp.rst
- swing.rst
- transformer.rst
- two_tower.rst
- user_cf.rst
- user_cf_rs.rst
- wavenet.rst
- wide_deep.rst
- youtube_ranking.rst
- youtube_retrieval.rst
- data_info.rst
- dataset.rst
- index.rst
- split.rst
- transformed.rst
- evaluation.rst
- serialization.rst
- data_info.rst
- implementation_details.rst
- index.rst
- online.rst
- python.rst
- rust.rst
- data_processing.rst
- embedding.rst
- evaluation_save_load.rst
- feature_engineering.rst
- index.rst
- model_retrain.rst
- model_train.rst
- recommendation.rst
- conf.py
- index.rst
- installation.rst
- tutorial.rst
- make.bat
- Makefile
- requirements.txt
- sample_movielens_genre.csv
- sample_movielens_merged.csv
- sample_movielens_rating.dat
- changing_feature_example.py
- feat_example.py
- feat_ranking_example.py
- feat_rating_example.py
- knn_embedding_example.py
- model_retrain_example.py
- multi_sparse_example.py
- multi_sparse_processing_example.py
- pure_example.py
- pure_ranking_example.py
- pure_rating_example.py
- save_load_example.py
- seq_example.py
- split_data_example.py
- tutorial.ipynb
- __init__.py
- graphsage_module.py
- lightgcn_module.py
- ngcf_module.py
- pinsage_module.py
- __init__.py
- _als.pyx
- _bpr.pyx
- als.py
- autoint.py
- bpr.py
- caser.py
- deepfm.py
- deepwalk.py
- din.py
- fm.py
- graphsage.py
- graphsage_dgl.py
- item2vec.py
- item_cf.py
- item_cf_rs.py
- lightgcn.py
- ncf.py
- ngcf.py
- pinsage.py
- pinsage_dgl.py
- rnn4rec.py
- sim.py
- svd.py
- svdpp.py
- swing.py
- transformer.py
- two_tower.py
- user_cf.py
- user_cf_rs.py
- wave_net.py
- wide_deep.py
- youtube_ranking.py
- youtube_retrieval.py
- __init__.py
- base.py
- cf_base.py
- cf_base_rs.py
- dyn_embed_base.py
- embed_base.py
- gensim_base.py
- meta.py
- sage_base.py
- tf_base.py
- __init__.py
- batch_data.py
- batch_unit.py
- collators.py
- enums.py
- sequence.py
- tf_feed_dicts.py
- __init__.py
- consumed.py
- data_info.py
- dataset.py
- processing.py
- split.py
- transformed.py
- __init__.py
- computation.py
- evaluate.py
- metrics.py
- __init__.py
- column_mapping.py
- multi_sparse.py
- sparse.py
- ssl.py
- unique.py
- update.py
- __init__.py
- from_dgl.py
- inference.py
- message.py
- neighbor_walk.py
- __init__.py
- activation.py
- attention.py
- convolutional.py
- dense.py
- embedding.py
- normalization.py
- recurrent.py
- transformer.py
- __init__.py
- predict.py
- preprocess.py
- __init__.py
- cold_start.py
- preprocess.py
- ranking.py
- recommend.py
- __init__.py
- negatives.py
- random_walks.py
- __init__.py
- configs.py
- features.py
- loss.py
- rebuild.py
- variables.py
- version.py
- __init__.py
- configs.py
- loss.py
- rebuild.py
- __init__.py
- dispatch.py
- tf_trainer.py
- torch_trainer.py
- trainer.py
- __init__.py
- _similarities.pyx
- constants.py
- exception.py
- initializers.py
- misc.py
- save_load.py
- similarities.py
- sparse.py
- validate.py
- __init__.py
- resource_handle.proto
- tensor.proto
- tensor_shape.proto
- types.proto
- model.proto
- predict.proto
- prediction_service.proto
- recommend.proto
- benchmark.rs
- realtime.rs
- realtime_grpc_client.rs
- realtime_grpc_server.rs
- common.rs
- constants.rs
- errors.rs
- faiss.rs
- features.rs
- mod.rs
- redis_ops.rs
- embed_deploy.rs
- knn_deploy.rs
- lib.rs
- main.rs
- online_deploy.rs
- online_deploy_grpc.rs
- tf_deploy.rs
- mod.rs
- embed.rs
- knn.rs
- tf.rs
- build.rs
- Cargo.lock
- Cargo.toml
- rustfmt.toml
- __init__.py
- benchmark.py
- common.py
- embed_deploy.py
- knn_deploy.py
- online_deploy.py
- tf_deploy.py
- __init__.py
- common.py
- embed.py
- knn.py
- online.py
- redis.py
- tfmodel.py
- .dockerignore
- __init__.py
- crate-index-config
- docker-compose-py.yml
- docker-compose-rs.yml
- docker-compose-tf-serving.yml
- Dockerfile-py
- Dockerfile-rs
- request.py
- __init__.py
- graph.rs
- incremental.rs
- inference.rs
- item_cf.rs
- lib.rs
- ordering.rs
- serialization.rs
- similarities.rs
- sparse.rs
- swing.rs
- user_cf.rs
- utils.rs
- .gitignore
- Cargo.toml
- pyproject.toml
- README.md
- rustfmt.toml
- __init__.py
- test_als.py
- test_autoint.py
- test_base.py
- test_bpr.py
- test_caser.py
- test_deepfm.py
- test_deepwalk.py
- test_din.py
- test_fm.py
- test_graphsage.py
- test_graphsage_dgl.py
- test_item2vec.py
- test_item_cf.py
- test_item_cf_rs.py
- test_lightgcn.py
- test_ncf.py
- test_ngcf.py
- test_pinsage.py
- test_pinsage_dgl.py
- test_rnn4rec.py
- test_sim.py
- test_svd.py
- test_svdpp.py
- test_swing.py
- test_transformer.py
- test_two_tower.py
- test_user_cf.py
- test_user_cf_rs.py
- test_wave_net.py
- test_wide_deep.py
- test_youtube_ranking.py
- test_youtube_retrieval.py
- utils_tf.py
- __init__.py
- test_als_retrain.py
- test_gensim_model_retrain.py
- test_rs_cf_retrain.py
- test_rs_swing_retrain.py
- test_tfmodel_retrain_feat.py
- test_tfmodel_retrain_pure.py
- test_thmodel_retrain_feat.py
- test_thmodel_retrain_feat_dgl.py
- test_thmodel_retrain_pure.py
- test_two_tower_retrain.py
- sample_movielens_genre.csv
- sample_movielens_merged.csv
- sample_movielens_rating.dat
- __init__.py
- conftest.py
- mock_tf_server.py
- setup_coverage.sh
- subprocess_coverage_setup.py
- test_embed_serving.py
- test_faiss_index.py
- test_knn_serving.py
- test_online_serving.py
- test_serialization.py
- test_tf_serving.py
- __init__.py
- compatibility_test.py
- conftest.py
- test_collators.py
- test_consumed.py
- test_data.py
- test_dgl.py
- test_feature.py
- test_initializers.py
- test_knn_embed.py
- test_misc.py
- test_multi_sparse_processing.py
- test_multiprocessing_seeds.py
- test_rank_reco.py
- test_similarities.py
- test_split_data.py
- test_tf_layers.py
- utils_data.py
- utils_metrics.py
- utils_multi_sparse_models.py
- utils_pred.py
- utils_reco.py
- utils_save_load.py
- .coveragerc
- .gitignore
- .readthedocs.yaml
- _config.yml
- codecov.yml
- LICENSE
- MANIFEST.in
- pyproject.toml
- python-package-conda.yml
- README.md
- requirements-dev.txt
- requirements-serving.txt
- requirements.txt
- setup.cfg
- setup.py
# 설치 가이드
1. 코드 내려받기
git clone https://github.com/massquantity/LibRecommender
깃허브에서 프로젝트 코드 전체를 내 컴퓨터로 내려받습니다.
cd LibRecommender
방금 내려받은 프로젝트 폴더 안으로 이동합니다.
2. Docker
쉬움 추천사전 준비물
- Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
- Docker Desktop 컨테이너를 빌드하고 실행하려면 필요합니다. 설치 후 실행해서 백그라운드에 켜두세요.
docker build -f docker/Dockerfile -t librecommender .
Dockerfile을 기반으로 실행 가능한 이미지를 빌드합니다.
docker run -p 8080:80 librecommender
빌드된 이미지를 실제 컨테이너로 실행합니다.
터미널에 docker compose ps 를 입력해 컨테이너들이 Up 상태인지 확인하세요. README에 포트 번호가 적혀있다면 브라우저에서 http://localhost:포트번호 로 접속해보세요.
3. Maven (Java)
보통사전 준비물
- Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
- JDK (Java) Java 프로젝트를 빌드/실행하려면 필요합니다.
- Maven mvn 명령어를 쓰기 위한 빌드 도구입니다.
⚠️ 이 프로젝트는 규모가 큰 저장소라, 이 방법이 실제 핵심 제품이 아니라 내부 하위 패키지를 가리키는 것일 수 있습니다. README 전체를 함께 확인해보세요.
cd distributed/spark
이 프로젝트의 관련 파일이 하위 폴더 안에 있어서, 먼저 그 폴더로 이동합니다.
mvn clean install
Maven으로 의존성 설치와 빌드를 진행합니다.
BUILD SUCCESS 메시지가 뜨면 성공입니다. target/ 폴더에 결과물이 생성됩니다.
4. Python
쉬움사전 준비물
$ pip install -U LibRecommender
requirements.txt 등에 명시된 파이썬 라이브러리를 설치합니다.
$ pip install .
requirements.txt 등에 명시된 파이썬 라이브러리를 설치합니다.
에러 메시지 없이 실행되고 터미널에 안내 문구가 출력되면 정상입니다.
이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.
5. Rust
보통사전 준비물
- Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
- Rust (rustup) rustup으로 설치하면 cargo도 함께 설치됩니다.
cd libserving/actix_serving
이 프로젝트의 관련 파일이 하위 폴더 안에 있어서, 먼저 그 폴더로 이동합니다.
cargo build --release
Rust 프로젝트를 컴파일합니다.
cargo run
빌드 후 바로 실행까지 진행합니다.
cargo build가 에러 없이 끝나면 성공입니다. target/ 폴더에 실행 파일이 생성됩니다.
// repository documentation
Was this content helpful?
(0 ratings)