尧图网页设计 
本项目为前几天收费帮学妹做的一个项目在工作环境中基本使用不到但是很多学校把这个当作编程入门的项目来做故分享出本项目供初学者参考。一、项目描述基于用户历史点击行为与物品属性特征先通过四路召回策略从十万级物品库中筛选候选集再利用 WideDeep 模型对候选物品精排输出每个用户的 Top-50 推荐列表。系统支持断点续跑并配套可视化操作页面。二、项目功能– 数据预处理点击日志去重、用户/物品统计、物品特征 PCA 降维– 四路召回FPGrowth 关联规则、DeepWalk ItemCF、Node2Vec ItemCF、物品特征余弦相似度– 特征工程构建 33 维统计特征生成千万级训练样本– 精排模型WideDeep 5 折交叉验证输出点击概率并排序– 操作页面用户推荐查询、推荐理由展示、模型指标可视化、召回策略说明三、运行环境– 操作系统Windows– Python 3.7conda 环境 recsys– 主要依赖Pandas、NumPy、Scikit-learn、TensorFlow/Keras、NetworkX、Flask– 硬件需约 12GB 可用内存特征矩阵约 1400 万行四、项目技术– 召回层FPGrowth 频繁项集挖掘、图嵌入DeepWalk/Node2Vec 随机游走 Skip-gram、PCA 降维 余弦相似度– 排序层WideDeep线性 Wide 部分记忆共现 深度 MLP 部分泛化相似物品– 训练策略5 折交叉验证、二元交叉熵损失、Adam 优化器– 工程4 层 checkpoint 断点续跑、pkl/h5 中间产物缓存、Flask 后端 原生前端单页应用以上系统源码经过技术整理与调试确保能正常运行五、项目截图 商品推荐系统-Flask
本项目为前几天收费帮学妹做的一个项目在工作环境中基本使用不到但是很多学校把这个当作编程入门的项目来做故分享出本项目供初学者参考。一、项目描述基于用户历史点击行为与物品属性特征先通过四路召回策略从十万级物品库中筛选候选集再利用 WideDeep 模型对候选物品精排输出每个用户的 Top-50 推荐列表。系统支持断点续跑并配套可视化操作页面。二、项目功能– 数据预处理点击日志去重、用户/物品统计、物品特征 PCA 降维– 四路召回FPGrowth 关联规则、DeepWalk ItemCF、Node2Vec ItemCF、物品特征余弦相似度– 特征工程构建 33 维统计特征生成千万级训练样本– 精排模型WideDeep 5 折交叉验证输出点击概率并排序– 操作页面用户推荐查询、推荐理由展示、模型指标可视化、召回策略说明三、运行环境– 操作系统Windows– Python 3.7conda 环境 recsys– 主要依赖Pandas、NumPy、Scikit-learn、TensorFlow/Keras、NetworkX、Flask– 硬件需约 12GB 可用内存特征矩阵约 1400 万行四、项目技术– 召回层FPGrowth 频繁项集挖掘、图嵌入DeepWalk/Node2Vec 随机游走 Skip-gram、PCA 降维 余弦相似度– 排序层WideDeep线性 Wide 部分记忆共现 深度 MLP 部分泛化相似物品– 训练策略5 折交叉验证、二元交叉熵损失、Adam 优化器– 工程4 层 checkpoint 断点续跑、pkl/h5 中间产物缓存、Flask 后端 原生前端单页应用以上系统源码经过技术整理与调试确保能正常运行五、项目截图