#资源达人分享计划#

基于mahout的协同过滤，个性化推荐算法实现。源码是java，可单机运行

基于物品的协同过滤算法实现图书推荐系统，前后端一体，页面丰富，功能俱全。

文章介绍了当前商业领域的一些常用推荐系统，又介绍了推荐系统的基本概念、分类以及基本实现思想等。

基于协同过滤算法的电影推荐算法及python实现 附带数据集

社会计算 协同过滤 SVD，使用SVD进行电影推荐，根据历史打分以及好友的信息来估计某个用户对某个电影进行打分

基于协同过滤的图书推荐系统设计与实现，孙广东，，随着信息技术的发展，网络资源呈爆炸式增长，产生了信息过载的问题。个性化推荐技术是解决信息过载的有效手段，其中，协同过滤是

推荐系统 分别基于协同过滤算法和基于TensorFlow建立推荐系统 一，基于协同过滤的推荐系统 协同过滤（collaboorative filter）：利用某兴趣相投，拥有共同经验之众的喜好来推荐用户公众的信息。比如说，你和另外一个人都喜欢看电影，而你们所喜欢的电影类型都差不多，那个人对于某个部电影的评价很高，而这部电影你没有看过。那么，我是不会将这部电影推荐给你呢？基于协同过滤的推荐，有基于用户和基于物品。 本项目可实现的功能： 1，基于用户的协同过滤 2，基于项目的协同过滤 3，基于内容的过滤算法 4，混合推荐系统 示例：您所做的那10个最近的邻居！ （1996）： 西雅图不眠夜（1993） 勇敢的心（1995） 玩具总动员（1995） 蝙蝠侠（1989） 土拨鼠日（1993） 美少女（1990） 星际迷航：第一次接触（1996） 当你睡觉时（1995） 萨布丽娜

融合Slope One的协同过滤推荐模块-中期源码

本项目是一个电影推荐系统的项目，使用两种方式来实现： 基于CNN的推荐。 基于矩阵分解的协同过滤的推荐。代码相对于慕课网的代码有一些更新，大家以这里的代码为准。