餐厅推荐系统 进行评级需要考虑多个因素：等待时间，服务，食物质量，清洁度甚至气氛-例如，一家餐馆对食物的态度可能是积极的，而对服务的态度是消极的。 为了解决这个问题，我们的目标是要包括可以在评论文本中找到的情感，并将其转化为可用于进一步改善对用户的业务建议的数据。 该存储库是一个推荐系统，主要关注通过TF-IDF（术语频率-反文档频率）进行的文本评论分析以及使用AutoPhrase进行的目标情感分析，以将情感附加到餐厅的各个方面。 在构建推荐系统时，我们了解到，评论文本与数字统计数据具有相同的重要性，因为它们包含表征他们对评论的感觉的关键短语。 最终目标是设计一个用于部署我们的推荐系统并显示其功能的网站。 请访问我们的website分支，以对预处理的拉斯维加斯/凤凰城数据集进行一些查询！ 重要的事情： 该存储库包含两个分支。 main分支包含我们方法的源代码。 website分支包含

最新的Advanced system care 专业版激活码，本人试过，绝对可用

语音识别系统 适用于 CMU 课程 11756/18799d/J1799d THEORY AND PRACTICE OF SPEECH RECOGNITION SYSTEMS 作者 Shitao Weng ： Zhi Liu ： 基于 HMM 的顺序数字识别系统。

语音_识别_系统 简单的 MFCC + HMM 语音识别系统。 还没有完成。

第一章介绍了自抗扰所能处理的非线性系统，第二章是跟踪微分器的收敛性证明，第三章是扩张状态观测器对各种非线性系统的收敛性证明，第四章讨论基于ＴＤＥＳＯ的反馈闭环系统的收敛性，第五章是ＥＳＯ及其下三角系统的镇定收敛性讨论。 每章辅以大量的数值试验并有文献说明和待解决的问题，本书可以作为初学者研究生的教科书和研究者的参考书

KGCN-火炬 这是 （ ）的Pytorch实现： 推荐系统的知识图卷积网络王宏伟，赵M，谢星，李文杰，郭敏仪。 在2019年网络会议论文集（WWW 2019）中 数据集 电影 电影的原始分级文件太大，无法包含在此仓库中。 首先对评级数据进行分类 $ wget http://files.grouplens.org/datasets/movielens/ml-20m.zip $ unzip ml-20m.zip $ mv ml-20m/ratings.csv data/movie/ 音乐 没事做 其他数据集 如果要使用自己的数据集，则需要准备2个数据。 评分数据 每行应包含（user-item-rating） 在此回购中，它是pandas数据框结构。 （看看data_loader.py ） 知识图 每个三元组（头-关系尾）由知识图组成 在此仓库中，它是字典类型。 （看看data_

使用System.IO.Ports读取COM口数据 关于C#串口编程的介绍

电影推荐系统 推荐系统（Java，Apache Spark） 在电影镜头1M数据集上使用Apache Spark的交替最小二乘（ALS）算法实施（来自6000名用户的4000个电影的100万评级）实现了协同过滤–模型预测的均方误差（MSE）为0.72，每个用户10条电影推荐。

personnel_info_system 用flask+mongodb搭建的一个人员管理系统 项目运行步骤： 确保mongdb的连接是对的, 然后运行bin中的generate_data生成数据并存如mongodb中； 运行main.py启动flask项目； 本地访问： 即可访问页面，并实现对mongodb的增删改查。 项目运行截图如下

自己买的30天自学操作系统书里带的光盘，我把其中的要使用的工具的资料放到这里了