MovieLens 电影推荐数据集包含 943个 用户对 1682部 电影的 100000 个 电影的评分(1-5分)，数据采集自网站 movielens.umn.edu，时间段为 1997.09-1998.04。

人工智能-项目实践-推荐算法-基于豆瓣电影用户数据使用Canop+K-means聚类实现的协同过滤推荐算法

人工智能-项目实践-关联规则挖掘-本项目使用了 FP-Growth 和 K-Means 两种算法，挖掘了我校图书馆借阅记录中的隐藏信息，并以此为基础开发了相应的图书推荐算法

网络传播技术与应用：第12节-网络传技术专题——信息可视化与推荐系统.pdf

这是用Python写的一个电影推荐系统，希望对他人有帮助。

Spark 推荐系统 技术栈 数据处理 Spark Core + Spark SQL + MongoDB 离线推荐 静态数据处理：Spark Core + Spark SQL 推荐服务：Spark Core + Spark MLlib 在线推荐 获取消息服务：Redis + Kafka 推荐服务：Spark Streaming 数据集格式 商品数据集（Product） 字段名 类型 描述 说明 _id 自动生成 productId int 商品 id name String 商品名称 imageUrl String 商品图片 categories String 商品分类 由 | 分隔 评分数据集（Rating） 字段名 类型 描述 说明 _id 自动生成 userId int 用户 id productId int 商品 id score double 用户评分 timestamp int 评分时的时间戳 用户数据集（User） 字段名 类型 描述 说明 _id 自动生成 userId int 用户 id username String 用户账号 pas

【毕业设计/课程设计】 基于Django与协同过滤的电影推荐系统 详细项目介绍：https://blog.csdn.net/Seniors_DC/article/details/125070016 一个电影推荐系统——实现用户登录、评分、推荐，采用协同过滤算法 可用作毕设或者课设

使用机器学习和Flask的游戏推荐系统 这是我开发的一个游戏推荐系统项目，目的是将一些机器学习技术付诸实践，因此目标是使用户添加他已经玩过的游戏并将其添加到他的个人资料中，并在以后收到推荐。新游戏。 项目结构 . └── Game-Recommendation-System ├── __init__.py # setup our app ├── auth.py # the auth routes for our app ├── Games.db # our database ├── main.py # the non-auth routes for our app ├── models.py

协同过滤算法是推荐系统中最重要也是最常用的算法之一，本课程以项目实现为主，讲解基于商品的协同过滤算法应用，通过不断对算法进行优化，提升推荐结果的准确率与召回率。

基于协同过滤技术的图书推荐系统研究，基于协同过滤技术的图书推荐系统研究_杨永权_61_65.caj