新闻推荐 机器学习小组-谢丽媛，葛蕊新闻推荐系统代码

2D卷积神经网络推荐系统

2016-Convolutional Matrix Factorization for Document Context-Aware Recommendation

本资源是对2021年收录于ACM的最新POI论文的精准翻译，并且经过严谨排版，公式整齐，保证阅读流畅无障碍。对不喜欢看英文文献或想节约时间的小伙伴强烈推荐！！！

论文Next Point-of-Interest Recommendation with Temporal and Multi-level Context Attention的代码和数据集

[目录] 小说推荐系统 代码 RecSys_CountVectorizer.ipynb：词频统计后计算余弦相似度。 RecSys_Word2Vec.ipynb：PySpark Word2Vec再计算余弦相似度 数据 存储于data文件夹下。 爬虫获取笔趣阁上的一万部小说信息，如标题，作者，字数，简介信息等。 结果 存储于results文件夹下 CountVectorizer结果 Word2Vec结果

LOGO论文

职位推荐 职位推荐系统

MovieLens1M基于深度学习的电影推荐系统 使用MovieLens1M数据集（数据可以从下载），实现自动编码器（AE），可变自动编码器（VAE），BERT提取电影名特征3种方法，对评分矩阵进行耦合，继而对用户做出推荐。 代码建议在Google Colab环境下运行，代码中的目录请根据自己的实际目录进行修改。 本代码主目录和子目录如下： / content / drive / Movie_lens / --------- ml-1m（包含数据集的文件夹） ---------自动编码器.ipynb ---------基于BERT的recommender.ipynb 1个型号： 1.1自动编码器 1.2可变自动编码器 1.3基于BERT 2实验结果： 2.1自动编码器的训练损失和验证损失的MSE 2.2变分自动编码器的训练损失和验证损失的MSE 2.3基于BERT的训练损失和测试损失的M

数据集 要使用的数据集如下： : 职位发布数据集 特征提取和预处理 要运行文件，请从给定的链接下载堆栈溢出数据集，并将其放置在/ data / user_preprocessing文件夹中。 用户配置文件的特征提取和预处理由feature_extraction_user_a.ipynb和feature_extraction_user_b.ipynb完成。 提取的功能已经在/ data / user_preprocessing文件夹中。 协同过滤模型 要运行文件，请从给定链接下载堆栈溢出数据集和作业发布数据集，并将其放置在/ data / collaborative过滤文件夹中。 运行协同过滤.ipynb，以基于基于内容的建议检查CF建议的输出。 基于内容的过滤模型 为了运行基于内容的过滤模型： 需要安装以下模块spacy nltk sklearn scipy 请下载上面提到的两个