推荐系统协同过滤实验数据集，可用于学习基于用户或者基于电影的协同过滤算法。非常实用的数据集，值得收藏。

代码如下:using System;using System.Collections.Generic;using System.Linq;using System.Text;namespace SlopeOne{    public class Rating    {        public float Value { get; set; }        public int Freq { get; set; }        public float AverageValue        {            get { return Value / Freq; }

主要介绍了Java编程实现基于用户的协同过滤推荐算法代码示例，具有一定参考价值，需要的朋友可以了解下。

1、解压下载的CollaborativeFilteringBasedText压缩文件 2、操作系统中需装java jdk1.7或者以上版本 3、点击start.bat，在运行过程中，输出文本之间的距离和相似度

Neural Collaborative Filtering这篇论文的Neural matrix factorization模型，模型的参数可以自行调整。

使用协同过滤算法计算用户偏好，用了多个MapReduce处理该业务，每次生成的文件存储在集群上，最后实现JobContorl，并将所需数据存储到mysql中

该资源是在Eclipse平台里，使用Mahout库的API，实现基于用户的协同过滤算法，从而进行商品推荐。 软件环境是：win7 64位 +Eclipse4.4 + jdk1.6， 用到了7个.jar包， 分别为：commons-logging-1.2.jar， commons-math3-3.5.jar，guava-18.0.jar，mahout-core-0.9.jar， mahout-math-0.9.jar，slf4j-api-1.6.1.jar，slf4j-jcl-1.6.1.jar。

第一部分对本文的研究背景和意义作了介绍，第二部分简述了系统开发所需关键技术，第三部分叙述推荐系统理论及系统设计算法-基于用户的协同过滤，第四部分进行了细致的系统分析，第五部分为系统的具体设计，第六部分是系统的实现,第七部分是总结。

以基于Item的协同过滤推荐算法为例，详细讲解推荐系统模型构建与实现，包括数据集的划分、相似度计算、评价指标的选择、推荐效果可视化等，非常时候初学者！

使用Java原生jdk编写的基于用户行为的协同过滤推荐系统，可以运行，对于理解协同过滤推荐系统原理有一定帮助。