场景教程导览
本章节提供 Torch-RecHub 在不同推荐场景下的实战教程，帮助开发者快速上手。
代码资源：项目提供了交互式 Jupyter Notebook 教程（位于
tutorials/目录）和完整的 Python 示例脚本（位于examples/目录），可配合本文档学习使用。
教程列表
| 教程 | 描述 | 链接 |
|---|---|---|
| CTR 预测 | 点击率预测模型训练 | CTR 预测教程 |
| 召回模型 | 双塔召回模型训练 | 召回模型教程 |
| 完整流程 | 端到端推荐系统 | 完整流程教程 |
快速导航
CTR 预测（精排）
学习如何使用 DeepFM、DCN 等模型进行点击率预测。
python
from torch_rechub.models.ranking import DeepFM
from torch_rechub.trainers import CTRTrainer
model = DeepFM(deep_features, fm_features, mlp_params)
trainer = CTRTrainer(model)
trainer.fit(train_dl, val_dl)召回模型
学习如何使用 DSSM、MIND 等模型进行向量召回。
python
from torch_rechub.models.matching import DSSM
from torch_rechub.trainers import MatchTrainer
model = DSSM(user_features, item_features)
trainer = MatchTrainer(model)
trainer.fit(train_dl)模型使用示例
按模型分类的详细使用教程，每篇包含数据准备、模型配置、训练、评估和调优的完整流程。
排序模型
| 模型 | 说明 | 链接 |
|---|---|---|
| DeepFM | FM + Deep 联合模型 | DeepFM 教程 |
| Wide&Deep | 记忆 + 泛化联合模型 | Wide&Deep 教程 |
| DCN / DCNv2 | 显式特征交叉网络 | DCN 教程 |
| DIN | 目标注意力序列模型 | DIN 教程 |
| DIEN | 兴趣演化序列模型 | DIEN 教程 |
| BST | Transformer 序列模型 | BST 教程 |
召回模型
| 模型 | 说明 | 链接 |
|---|---|---|
| DSSM | 双塔语义匹配模型 | DSSM 教程 |
| YoutubeDNN | YouTube 深度召回模型 | YoutubeDNN 教程 |
| MIND | 多兴趣胶囊网络召回 | MIND 教程 |
多任务模型
| 模型 | 说明 | 链接 |
|---|---|---|
| MMOE | 多门控专家混合模型 | MMOE 教程 |
| PLE | 渐进分层提取多任务模型 | PLE 教程 |