智能审讯 这是一个网络应用程序，可根据症状向用户提供药物建议。 目录介绍 Intelligent-interrogation目录包含有关项目演示的python代码和C ++代码。 数据目录包含训练集和数据库（疾病信息，疾病词典和药物词典）。 调试目录包含一些python代码，用于调试或处理数据（分割单词或调整数据格式）。 spider目录包含用于在线获取信息的网络蜘蛛。 框架是我们项目的思想载体。 项目职能 该项目的主要功能如下： 用结巴来分词 使用TF-IDF提取关键字 使用Word2vec建立模型 使用Levenshtein搜索目标 使用Seq2seq模型 使用LDA模型 使用SQL服务器 使用Django框架 要求 python 3.6 Navicat for SQL服务器 urllib，urllib2，json，pymssql，word2vec，Levenshtein，

Air数码产品推荐系统 作者本科毕业设计项目 RESTful风格推荐系统 由于时间原因，毕业前先以完成功能为目的(能演示)，毕业后再优化。 后台管理 类目管理 商品属性管理 商品管理(删改查) 用户管理(增删改查) APP 后端API 用户模块 登录模块 订单模块 搜索模块 推荐模块 商品模块 后台所用技术 Vue Bootstrap MetisMenu Jquery Font Awesome 后端所用技术 Spring SpringMVC MyBaits Solr MySQL Tomcat Maven

基于Android的景点推荐系统的设计与实现任务书.doc

films_recommend_system MOOC基于python和TensorFlow的电影推荐系统，自己的总结在

在当今的数字世界中，消费的内容种类繁多，例如书籍、视频、文章、电影等，找到自己选择的材料已成为一项万无一失的任务。 另一方面，数字内容提供商希望在最长时间内让越来越多的用户参与到他们的服务中。 推荐系统在哪里出现 内容提供商通过内容向用户提供建议 在本文中，我们提出了一个电影推荐系统。电影推荐系统的目的是为用户提供准确的电影推荐。 通常基本推荐系统做出推荐考虑以下因素之一； 用户偏好称为基于内容的过滤或类似用户的偏好称为协同过滤。 要创建稳定且准确的推荐系统，将使用基于内容的过滤。

eclipse开发的一个美食推荐网站，使用了javaweb技术，jsp，javabean，jdbc，servlet。数据库使用mysql，压缩包里面包含数据库脚本文件。导入eclipse可直接运行。可用作课程设计，javaweb课程作业

知乎推荐系统的实践及重构之路 孙付伟

Matlab卡尔曼滤波运动目标(人体)识别追踪毕业论文+源码(推荐).rar

本本章上关于主题模型在个性化新闻推荐系统上的应用，以推测读者意图，来依据个性化进行新闻推荐

推荐系统由基础算法到深度学习的应用参考 电影推荐系统 标签：Tensorflow，矩阵分解，惊喜，PySpark 1，用Tensorflow实现矩阵分解 1.1，定义one_batch模块 import numpy as np import pandas as pd def read_and_process ( filename , sep = '::' ): col_names = [ 'user' , 'item' , 'rate' , 'timestamp' ] df = pd . read_csv ( filename , sep = sep , header = None , names = col_names , engine = 'python' ) df [ 'user' ] -= 1 df [ '