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。

1，商城：是单商家，多买家的商城系统。数据库是mysql，语言java。2，sqoop1.9.33：在mysql和hadoop中交换数据。3，hadoop2.2.0：这里用于练习的是伪分布模式。4，完成内容：喜欢该商品的人还喜欢，相同购物喜好的好友推荐。1，通过sqoop从mysql中将“用户收藏商品”（这里用的是用户收藏商品信息表作为推荐系统业务上的依据，业务依据可以很复杂。这里主要介绍推荐系统的基本原理，所以推荐依据很简单）的表数据导入到hdfs中。2，用MapReduce实现推荐算法。3，通过sqoop将推荐系统的结果写回mysql。4，java商城通过推荐系统的数据实现<喜欢该商品的人

基于卷积神经网络的电影推荐系统算法和Web应用设计项目源代码。基于文本卷积神经网络的电影推荐系统算法和Web应用设计项目源代码基于文本卷积神经网络的电影推荐系统算法和Web应用设计项目源代码基于文本卷积神经网络的电影推荐系统算法和Web应用设计项目源代码基于文本卷积神经网络的电影推荐系统算法和Web应用设计项目源代码基于卷积神经网络的电影推荐系统算法和Web应用设计项目源代码。基于文本卷积神经网络的电影推荐系统算法和Web应用设计项目源代码基于文本卷积神经网络的电影推荐系统算法和Web应用设计项目源代码基于文本卷积神经网络的电影推荐系统算法和Web应用设计项目源代码基于文本卷积神经网络的电影推荐系统算法和Web应用设计项目源代码基于卷积神经网络的电影推荐系统算法和Web应用设计项目源代码。基于文本卷积神经网络的电影推荐系统算法和Web应用设计项目源代码基于文本卷积神经网络的电影推荐系统算法和Web应用设计项目源代码基于文本卷积神经网络的电影推荐系统算法和Web应用设计项目源代码基于文本卷积神经网络的电影推荐系统算法和Web应用设计项目源代码

【目录】 1. 背景知识介绍 1.互联网广告 2.百度面向广告主的推荐产品 I. 设计要点 1.分析清楚技术目标 2.充分挖掘来自数据与人的信息 3.合理利用反馈信息 4.设计合适的推荐理由 5.注意评估结果的显著性 IL. 一些经验 IV. Q&A

推荐系统-推荐算法应用实践 停不下来的推荐实践 移动互联网下的推荐实践分享 共65页.pptx

标签导购 推荐系统-推荐算法 标签生成与推荐在淘宝导购中的应用 共34页.pptx

基于深度学习的商品推荐系统，高性能，可承受高并发，可跨平台。 技术栈 项目用到的技术如下： 语言：Python3 Java Web端：Layui,Flask,Nginx,Gevent，Flask_Cache 模型训练： PaddleRec , PaddlePaddle 深度学习模型:DSSM, DeepFM 向量召回：milvus 数据存储： Redis 模型推理： PaddleServing 模块通信：gRPC,protobuf 快速开始 项目部署依赖 Python3、PaddlePaddle2.2.2、PaddleServing、milvus1.0、redis、nginx、Gevent

资源包含文件：lunwen文档+任务书+开题报告+文献综述+答辩PPT+项目源码及数据库文件 本系统利用大数据技术，合理的为用户做出推荐，推荐的结果可靠程度很高，这就是我的优势所在，因为它和一般的推荐系统的推荐算法不太一样，我的推荐算法是利用Hadoop技术写的，我们可以利用Hadoop集群的高吞吐量，一次读取多次写入等特点进行大数据处理，我们也可以通过JDBC编程直接把推荐结果写入到Mysql数据库，等我们用到时再把它读出来。 而且系统首页利用CSS/DIV 技术的结合，让页面动感展示，效果很不错，我利用JSP做的页面展示，页面整体构想简单明了，各种优惠活动都在首页，一眼就能看到。 采用C/S架构，使用Java Spring MVC架构 开发平台：Eclipse 操作系统：Ubuntu16-04 数据库服务器：Mysql 使用技术：Java 、Jsp、Mysql、Hadoop 详细介绍参考：https://biyezuopin.blog.csdn.net/article/details/122768619?spm=1001.2014.3001.5502

商品推荐系统 推荐算法应用实践 个性化的双11-天猫个性化推荐技术的应用 共29页.pptx

电商推荐系统技术分享 逛-导购商品推荐的探索 共25页.ppt