Easy-to-use,Modular and Extendible package of deep-learning based CTR models .
ffm 开源项目推荐(89 个)
ffm 话题在 GitHub 上没有填写简介,这里按 Star 数汇总最相关的热门仓库。
热门项目 前 20
按 Star 数排序展示前 20 个 · GitHub 共 89 个仓库高性能、易于使用和可扩展的机器学习(ML)包,包括线性模型(LR)、因子分解机(FM)和用于Python和CLI接口的场感知因子分解机(FFM)。
Recommender Learning with Tensorflow2.x
Factorization Machine models in PyTorch
原理解析及代码实战,推荐算法也可以很简单 🔥 想要系统的学习推荐算法的小伙伴,欢迎 Star 或者 Fork 到自己仓库进行学习🚀 有任何疑问欢迎提 Issues,也可加文末的联系方式向我询问!
CTR模型代码和学习笔记总结
主流推荐系统Rank算法的实现
Implements of Awesome RecSystem Models with PyTorch/TF2.0
🔥 全面深入地掌握NDK技术,成为下一波5G时代的浪潮儿~
基于 Pytorch 实现推荐系统相关的算法
Fast, safe, complete libvips bindings for image processing in Java / JVM projects
FFM (Field-Awared Factorization Machine) on Spark
Tensorflow2.x implementations of CTR(LR、FM、FFM)
some ctr model, implemented by PyTorch, such as Factorization Machines, Field-aware Factorization Machines, DeepFM, xDeepFM, Deep Interest Network
Python Wrapped LibFFM
Pure Python implementation of Telea FMM inpainting
Field-aware factorization machine (FFM) with FTRL
Call Java from C++ and C++ from Java with a variety of old and new projects like JNI, JNA, JNR, FFM, JExtract, BridJ, GraalVM, JNI-Bind, etc.
rater, recommender systems. 推荐模型,包括:DeepFM,Wide&Deep,DIN,DeepWalk,Node2Vec等模型实现,开箱即用。
Gradle plugin that generates Java bindings from native library headers using Jextract
关于这个话题
- 清单取自 GitHub 话题页并按 Star 数排序,每次展示前 20 个项目;原始页面见 https://github.com/topics/ffm。
- 该话题在 GitHub 上共有 89 个仓库, 本站收录的是其中最热门的 20 个,不是全量列表。
- Star / Fork 每日自动刷新一次,实时数据以 GitHub 为准。
- 当前 20 个项目累计 1.7 万 Star,覆盖 5 种主要语言,数据更新于 2026-11-07。
- 中文介绍来自 GitHub 官方话题说明(github/explore)的机器翻译,可点「查看原文」对照;译文缺失时会先展示原文。