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

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

基于Mahout实现协同过滤推荐算法的电影推荐系统

基于用户的协同过滤算法的电影推荐（稀疏矩阵）含代码和Netflix数据（800万+条，分测试集和数据集），博客中有讲解

推荐系统 基于Django和协同过滤算法的电影推荐系统 实现注册，登录，搜索，打分和推荐功能。 主页搜索 注册 登录 搜索结果和打分 推荐

这个movie_score_info文件是B站的一位昵称为“末末凉凉”的美女小姐姐做电影推荐系统所缺少的一个文件，文件字段为movieId,score,times，需要的话请自行下载

豆瓣电影爬虫 爬取的豆瓣榜单top电影的评论和每个用户的看过的电影的评论 用于推荐系统的 协同过滤。里面有完整的代码，可以直接运行。操作步骤可以看压缩包里面的 ReadMe 文件！

大数据课程课设设计，基于win10，Hadoop2.8.3，python3.6以及MySQL8.0.

电影推荐 一个电影推荐系统（本科毕业设计）-实现用户登录，评分，推荐，采用协同过滤算法。 :cherry_blossom: 作者序 我完成毕业设计的时间线可以参考README末尾的，请注意笔记中所记载的内容和最后的实际成果有所出入，只做为本人完成毕业设计的过程记录。本毕设2018年工作，和当前主流技术有所出入，大家可以利用深度学习算法来改进推荐结果。 下面贴出我收藏的部分资料链接，希望对大家有帮助。 系统流程 用户注册，登录系统，对看过的电影进行评分，点击提交评分按钮，再点击查看推荐按钮即可看见推荐的电影列表。 如何使用 1.首先将项目克隆到本地，用Pycharm打开movie推荐文件夹，并安装2.将用到的csv文件导入mysql数据表中，详见，配置好数据库；注意数据库相关代码（settings.py，views.py）可能要进行修改以符合实际情况；（本项目入口号为3307，用户为root，密码为admin，数据库为

自己动手搭建电影推荐系统的可以借鉴, 高手的力作,重要的实现部分有具体代码,开发者可以借鉴