mengzhongjack

mengzhongjack's starred repositories

Recommend-System-tf2.0

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！

Language:Python63900

CTR_Algorithm

一些经典的CTR算法的复现; LR, FM, FFM, AFM, DeepFM, xDeepFM, PNN, DCN, DCNv2, DIFM, AutoInt, FiBiNet,AFN,ONN,DIN, DIEN ... （pytorch, tf2.0）

Language:Jupyter Notebook22300

risk-hub

【风控知识库】互联网反欺诈风控实践，收录内容包含两部分：一是业务风控经验，如加固、反外挂、设备指纹、账号安全、内容安全、业务安全、支付交易安全等等；二是技术实践，如服务架构，算法实践，数据分析，大数据等等。

4700

pgrok

Poor man's ngrok - a multi-tenant HTTP/TCP reverse tunnel solution through SSH remote port forwarding

Language:GoMIT313600

ML_gzh

常用机器学习算法的简单手写实现，帮助更好理解算法

Language:Python6500

nb_log

pip install nb_log 各种日志handler和自动转化项目的任意print的效果。日志自动彩色炫酷，可点击控制台的日志自动精确跳转到pycharm的文件和行号。文件日志多进程切割安全。在10个最重要方面全方位超过loguru

Language:Python38200

geolib

Python geohash library

Language:PythonMIT2500

模拟电商系统上线运行一段时间后，根据收集到大量的用户行为数据，利用大数据技术（Flink）进行深入挖掘和分析，进而得到感兴趣的商业指标并增强对风险的控制。整体可以分为用户行为习惯数据和业务行为数据两大类。用户的行为习惯数据包括了用户的登录方式、上线的时间点及时长、点击和浏览页面、页面停留时间以及页面跳转等等，从中进行流量统计和热门商品的统计，并深入挖掘用户的特征；业务行为数据分为两类：一类是能够明显地表现出用户兴趣的行为，比如对商品的收藏、喜欢、评分和评价，对数据进行深入分析，得到用户画像，进而对用户给出个性化的推荐商品列表；另一类则是常规的业务操作，关注异常状况以做好风控，比如登录和订单支付。

100