基于深度学习开发一个个性化新闻推荐系统，主要内容有：
1. 深入学习推荐系统及深度学习相关理论与技术，熟悉开发环境及工具。
2. 对系统进行分析与设计，要求实现以下功能：（1）编写爬虫脚本或通过其他方式采集新闻推荐相关数据，经预处理后选择适当存储方式保存。（2）系统具有用户和管理员两种角色，主要功能包括新闻浏览与搜索、新闻管理、用户管理等，并能够实现根据用户信息，采用深度学习方法向用户推荐可能感兴趣的新闻。
技术：采用Python flask框架、神经网络技术完成系统开发。
2022-07-27 11:05:30
384.3MB
1
课程分享——全局视角系统学习《推荐系统》，实战中提升竞争力，完整版8章，附源码。
推荐系统已经成为各大产品提升用户留存和业绩增长的利器，相关技术人才更是被各个公司竞相抢夺。课程基于项目实战，带你全面掌握推荐系统的架构、模型和技术，让你不仅可以胜任业务需求，更能拓展职业发展的空间，在白热化的竞争中脱颖而出！
课程亮点：
真正把控全局，获得完整的项目经验
兼具深度与广度，覆盖实用算法和模型，拓宽视野的同时提升技术硬实力
遵循真实业务流程，实战微服务模块化项目，代码和方案可二次复用
2022-07-26 22:05:21
792B
1
coursera 机器学习 ex8练习
第一部分为失常点检测；第二部分为协同过滤算法实现的电影推荐系统
使用方法：下载压缩包并解压到本地，用matlab打开文件夹，打开ex8.mlx文件，即可查看详细说明（由于是coursera的作业，所以全是英文，可以结合本人博客阅读）。
博客链接：https://blog.csdn.net/ShadyPi/article/details/122759026
2022-07-21 21:05:35
1.1MB
1
基于协同过滤的电子商务推荐系统极易受到托攻击,托攻击者注入伪造的用户模型增加或减少目标对象的推荐频率,如何检测托攻击是目前推荐系统领域的热点研究课题.分析五种类型托攻击对不同协同过滤算法产生的危害性,提出一种特征选择算法,为不同类型托攻击选取有效的检测指标.基于选择出的指标,提出两种基于监督学习的托攻击检测算法,第一种算法基于朴素贝叶斯分类;第二种算法基于k近邻分类.最后,通过实验验证了特征选择算法的有效性,及两种算法的灵敏性和特效性.
2022-07-18 16:54:12
1.36MB
1
推荐系统是当今互联网上最重要的信息服务之一。近年来，图神经网络已成为推荐系统的新技术。在这个调研中，我们对基于图神经网络的推荐系统的文献进行了全面的回顾。我们首先介绍了推荐系统和图神经网络的背景和发展历史。对于推荐系统，一般来说，现有工作的分类分为四个方面: 阶段、场景、目标和应用。对于图神经网络，现有的方法包括谱模型和空间模型两大类。
2022-07-16 23:47:03
3.39MB
1