movie
基于协同过滤算法的电影推荐系统
运行方式
1.创建一个application.properties文件，配置相关数据库信息，主要内容如下：
hibernate.dialect=org.hibernate.dialect.MySQLDialect
driverClassName=com.mysql.jdbc.Driver
validationQuery=SELECT 1
jdbc_url=jdbc:mysql://your_ip/movie?useUnicode=true&characterEncoding=UTF-8&zeroDateTimeBehavior=convertToNull
jdbc_username=username
jdbc_password=password
hibernate.hbm2ddl.auto=update
hibernate.show_sql=tr
2021-12-01 15:04:06
2.21MB
1
###电影推荐系统（MovieLen）
运行Python3 download_dataset.py以下载movielens数据集
运行Python3 usercf.py以运行基于用户的协作过滤算法
运行Python3 itemcf.py以运行基于项目的协作过滤算法
运行Python3 dl/trainer.py训练深度学习模型并进行测试
2021-11-27 16:15:21
11KB
1
神经系统协同过滤
In recent years, deep neural networks have yielded immense success on speech recognition, computer vision and natural language processing. However, the exploration of deep neu- ral networks on recommender systems has received relatively less scrutiny. In this work, we strive to develop techniques based on neural networks to tackle the key problem in rec- ommendation — collaborative filtering — on the basis of implicit feedback.
2021-11-23 21:09:51
1.32MB
1
操作说明：
1、解压下载的CollaborativeFilteringBasedUserCloud压缩文件
2、操作系统中需装java jdk1.7或者以上版本
3、点击start.bat，在运行过程中，会输出评分时间，然后输出用户id进行推荐
4、数据集movielens
2021-11-22 16:14:41
508KB
1
基于MapReduce实现物品协同过滤算法（ItemCF）
具体参考
补充：hadoop三种执行方式
MR执行环境有两种：本地测试环境，服务器环境
本地测试环境(windows)：
在windows的hadoop目录bin目录有一个winutils.exe
1、在windows下配置hadoop的环境变量
2、拷贝debug工具(winutils.ext)到HADOOP_HOME/bin
3、修改hadoop的源码 ，注意：确保项目的lib需要真实安装的jdk的lib
4、MR调用的代码需要改变：
a、src不能有服务器的hadoop配置文件
b、在调用是使用：
Configuration config = new Configuration();
config.set("fs.defaultFS", "hdfs://node7:8020");
config.set
2021-11-22 14:41:03
60KB
1
针对气象公众服务存在的专业化程度不高、针对性不强等问题，提出了一种使用关联规则向用户推荐气象服务产品的方法。将用户访问的Web日志数据经过清洗、转换后进行关联规则挖掘，同时设计了一种基于气象产品浏览总次数计算产品相似度的算法，对挖掘出来的关联规则进行筛选。共进行了5组实验，并对用户浏览产品的行为进行了简单预测。实验结果表明，挖掘出的规则在降水天气和雾霾天气中的正确率比较高，结合气象服务产品的相似度能过滤掉10%的无效规则，从而提升规则的正确性。
2021-11-21 14:23:08
1.37MB
1
本系统在ANT下可以直接运行,在Myeclipse平台到网页上运行的代码在http://download.csdn.net/source/3386479 上下载
电影推荐系统中运用的推荐算法是基于协同过滤算法（Collaborative Filtering Recommendation）。协同过滤是在信息过滤和信息系统中正迅速成为一项很受欢迎的技术。与传统的基于内容过滤直接分析内容进行推荐不同，协同过滤分析用户兴趣，在用户群中找到指定用户的相似（兴趣）用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度预测。
电影推荐系统中引用了Apache Mahout提供的一
2021-11-16 16:30:44
9.98MB
1