协同过滤是成功的个性化推荐技术之一. 但传统协同过滤算法由于不能及时反映用户的兴趣变化，影响了推荐质量. 针对这个问题，本文借鉴心理学上艾宾浩斯遗忘曲线来跟踪和学习用户的兴趣，展开了协同过滤推荐算法的研究. 通过数学分析工具发现了与遗忘曲线拟合度较高的幂函数曲线，并把用户的兴趣分为短期兴趣和长期兴趣，提出了基于时间窗口的权重函数，以此解决跟踪和学习用户兴趣的难题. 结合项目的评分相似性和属性相似性来定义项目相似度数据权重函数. 将基于时间窗的数据权重与基于项目相似度的数据权重相结合来反应用户对项目的兴趣度
2021-12-21 09:48:34
453KB
1
协同过滤的实现
是某些使用的一种技术。
是协作过滤的Python实现。
用法
跑：
> python main.py
注意：
Python版本：3.5.1
所需模块：Numpy，Pandas，Matplotlib
需要首先下载数据集并将其放在dataset/文件夹中。
或者，您可以查看 而无需下载数据集。
数据集
，100K数据集
报告
是该报告的pdf版本。
文件树
Python files:
├── main.py # Main python file including training and testing.
├── predict.py # Predict functions.
├── utils.py # Some useful functions, including calculating.
├── var.py # Define global
2021-12-20 13:02:29
1.28MB
1
名称：隐马尔可夫模型 目的：模型的类，包括参数。 作者：张海东 创建时间：28/08/2014 E-mail：
DataPreprocess.py（首先执行。）
对数据进行预处理，生成两个 .txt 文件。 'artist.txt'：artist_id：艺术家ID。 num：收听的艺术家数量。
'users_artists_timestamp.txt': user_id：用户 ID。 艺术家 ID：艺术家 ID。 时间戳：时间戳。
HMMForCF 一种用于协同过滤的隐马尔可夫模型
HMM.py
用于建模隐马尔可夫模型的类。 HiddenStatesNum ：隐藏状态的数量。 ObservationStatesNum：观察状态的数量。 InitProbs：初始向量的概率。 TransProbs：转移矩阵的概率。 Theta：发射概率矩阵。 a、b：代表负二项分布的参数。
HMM
2021-12-19 16:11:35
83KB
1
这个是纯python写的基于用户的推荐系统，没有调用第三方库，值得大家推荐下载，可以深刻理解python基于用户的推荐系统。
2021-12-18 13:26:29
2.56MB
1
Python基于协同过滤算法进行电子商务网站用户行为分析及服务智能推荐：
1.项目背景
2.项目目标
3.项目流程说明
4.项目步骤与流程
5.数据获取
6.探索性数据分析
7.数据预处理
8.构建智能推荐模型
9.模型评价
2021-12-17 18:02:25
230.05MB
毕业设计--基于Django的歌曲推荐系统和论坛
说明
新手建议结合pycharm使用，
注册普通用户通过web界面来设置，创建创建用户通过creeatsuperuser创建。下文有详细命令
导入歌曲信息通过insert_movies_script.py来操作 (会删除已有的所有信息!)
前端展示 浏览最多，评分最多，收藏最多，写的比较直白，你可以改的委婉点: 最热歌曲，火爆排行...之类的。每种有10条。
我猜你喜欢为基于用户推荐，item推荐为基于项目推荐。两种推荐思路下文有介绍
系统采用的技术
前端: bootstrap3 css 框架
后端: django 2.2.1 + sqlite3数据库 (MVC框架)
数据: python异步爬虫从豆瓣top250抓取数据，保存到本地csv文件中
主要功能: 录入图书信息，用户打分，歌曲标签分类，歌曲推荐，歌曲分享，歌曲收藏，后台管理系统
2021-12-16 21:23:27
15.64MB
1
介绍了现有协同过滤推荐的几种主要算法。它们对数据稀疏性问题都有一定的缓和作用。通过在数据集MovieLens上的实验，分析了各个算法在不同稀疏度下的推荐质量，为针对不同数据稀疏度的系统实现提供了可靠依据。
2021-12-16 15:42:36
147KB
1
针对传统协同过滤（CF）推荐算法存在评分矩阵稀疏、扩展性弱和推荐准确率低的缺陷，提出一种改进模糊划分聚类的协同过滤推荐算法（GIFP-CCF ）。在传统基于修正余弦相似度计算方法上，引入时间差因子、热门物品权重因子以及冷门物品权重因子以改善相似度计算结果；同时引入改进模糊划分的GIFP-FCM算法，将属性特征相似的项目聚成一类，构造索引矩阵，同索引间根据项目间的相似度寻找项目最近邻居构成推荐，从而提高协同过滤算法（CF）的精度。通过与Kmeans-CF、FCM-CF和GIFP-CCF算法进行仿真对比实验，证明了GIFP-CCF 算法在推荐结果和推荐精度上具有一定的优越性。
2021-12-16 11:51:56
932KB
1