cornac

一套接口跑多种推荐模型，快速对比选型

开源 🏷️完全免费 ⏳ 访问状态待核验开发框架 🍴 复刻 174 🐛 待处理 24 👀 关注 21

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1063

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源免费，Apache 2.0 许可证

项目预览

项目数据

分类开发框架

开发团队PreferredAI

官网地址https://cornac.preferred.ai

GitHubhttps://github.com/PreferredAI/cornac

定价模式🏷️完全免费

价格说明开源免费，Apache 2.0 许可证

访问状态⏳ 访问状态待核验

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型collaborative-filtering,matrix-factorization,multimodal-learning,multimodality,recommendation-algorithms,recommendation-engine,recommendation-system,recommender-system

GitHub 星标★ 1063

上线时间2018-07-17 00:00:00

代码更新2026-10-31

仓库体积27.2 MB

本站数据更新2026-11-01

维护状态活跃

收录时间2026-11-01

浏览次数0

项目介绍

Cornac 是一个面向多模态推荐系统的对比研究框架，用 Python 编写，目标是把推荐算法的复现、评测与对比统一到同一套接口下。它解决研究者和工程师在尝试不同推荐模型时，数据预处理、训练流程和评估指标各写一套、结果难以横向比较的问题。核心能力包括：内置多种推荐算法（协同过滤、矩阵分解、基于内容的模型以及融合文本、图像等多模态信息的模型），提供统一的数据加载与划分接口，支持常见排序与评分指标评估，并可通过配置文件或命令行快速跑实验。框架强调可复现与可扩展，新增模型只需实现少量接口即可接入现有评测流程，适合做推荐算法选型、论文基线对比和教学演示。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-11-01 · 当前星标 ★ 1063

技术标签

multimodal-learning multimodality recommender-system

使用教程

难度：入门约 10 分钟部署方式：库/依赖 6 步

环境要求

Python 3 环境（当前仅支持 Python 3）
pip3 或 conda 包管理器（任选其一）
macOS 用户如需运行多线程算法，需通过 Homebrew 安装 gcc 以提供 OpenMP 编译器
部分模型依赖 TensorFlow、PyTorch 等第三方库，需按所选模型另行安装

安装与启动步骤

1确认 Python 版本

Cornac 目前仅支持 Python 3；先在终端确认本机 Python 3 可用，再选择安装方式。
```
python3 --version
```
2用 pip 安装（推荐）

官方推荐的安装方式，直接从 PyPI 拉取最新稳定版，适合大多数用户。
```
pip3 install cornac
```
3或改用 conda 安装

已在用 Anaconda/Miniconda 的环境可选此方式，从 conda-forge 频道安装。
```
conda install cornac -c conda-forge
```
4或从源码安装

需要最新更新时，直接从 GitHub 仓库安装；三种方式选一种即可，不要重复安装。
```
pip3 install git+https://github.com/PreferredAI/cornac.git
```
5macOS 安装 gcc

部分算法用 OpenMP 做多线程，macOS 用户装 gcc 并 link 后才能高效运行。
```
brew install gcc && brew link gcc
```

6验证导入是否正常

导入核心模块和常用模型，无报错即说明安装成功，可继续写实验脚本。

python3 -c "import cornac; from cornac.models import MF, PMF, BPR; from cornac.eval_methods import RatioSplit; from cornac.metrics import MAE, RMSE, Precision, Recall, NDCG, AUC, MAP"