于web端的个性化电影推荐系统设计与实现（源代码），采用Apache+Php+MySql框架，通过协同过滤算法对数据集进行训练，最终得到的结果存储到数据库中，web页面调用进行展示。
2021-04-21 14:41:10
55KB
1
第一部分对本文的研究背景和意义作了介绍，第二部分简述了系统开发所需关键技术，第三部分叙述推荐系统理论及系统设计算法-基于用户的协同过滤，第四部分进行了细致的系统分析，第五部分为系统的具体设计，第六部分是系统的实现,第七部分是总结。
2021-04-07 09:10:53
2.37MB
实现以下功能：
1. 指定用户和电影进行评分
2. 推荐同类型的电影
3. 推荐您喜欢的电影
4. 看过这个电影的人还看了（喜欢）哪些电影
各文件里面存放的内容：
movies.csv：文件里包含了一部电影的id和标题，以及该电影的类别。
ratings.csv：文件里面的内容包含了每一个用户对于每一部电影的评分。
links.csv：文件里面的内容是帮助你如何通过网站id在对应网站上找到对应的电影链接的。
tags.csv：文件里面的内容包含了每一个用户对于每一个电影的分类。
2021-04-06 19:57:03
11KB
1
豆瓣电影爬虫 爬取top电影的评论 + 每个用户的看过的电影的评论 用于推荐系统的 协同过滤。内附完整代码，可运行。如果不会操作的可以看压缩包里面的 ReadMe 文件
2021-03-28 12:53:40
15KB
1
主要介绍了Python基于机器学习方法实现的电影推荐系统,本文给大家介绍的非常详细，具有一定的参考借鉴价值，需要的朋友可以参考下
2021-03-27 16:58:25
682KB
1
这是基于MovieLens数据集的电影推荐系统，可以实现电影推荐功能，可以部署到服务器，hadoop上面
2021-03-25 20:41:40
4.72MB
1
Movielens1M-movie-recommendation-system:使用MovieLens数据集实现了基于自动编码器（AE），可变自动编码器（VAE），BERT的深度学习电影推荐系统-源码
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
2021-03-25 01:32:20
6.57MB
1