AI科技大本营在线公开课《达观数据个性化推荐系统实践》 共40页.pptx

音乐推荐系统 分析了一个包含 7.17 亿个评分的数据集，并为用户开发了音乐推荐系统。 生成图表以查找音乐行业中各种流派的趋势。

通过从YELP中获取数据，实现基于内存的CF模型和基于模型的CF模型的简单推荐系统。

项目Steam游戏推荐系统 1概述 关键字：推荐系统，协作过滤，Spark，Hive，Flask，Web爬网程序，AWS EC2，AWS RDS 1.1引言 推荐系统在最近几年变得越来越流行，并且广泛用于电影，音乐，新闻，书籍，研究文章，搜索查询，社交标签和产品等各个领域。 推荐系统或推荐系统是信息过滤系统的子类，其试图预测用户将给予商品的“等级”或“偏好”。 在这个项目中，我通过Spark的ALS（交替最小二乘）API（pyspark.mllib.recommendation.ALS）在Spark上使用协作过滤算法，实现了游戏推荐系统。 协作过滤方法是基于收集和分析有关用户的行为，活动或偏好的大量信息，并基于与其他用户的相似性来预测用户的喜好。 1.2架构 整个项目分为三个阶段： 通过Web爬网程序收集数据 Spark上的游戏推荐引擎 Web UI实施 该项目的体系结构如下所示：

2022年本人完成的毕业设计，使用的是Python，用到的框架有flask，前端就是简单的手写原生js html css，是手机端的页面，正常电脑网页打开会出现拉伸问题。具体算法方面，用的是LDA LSA，爬虫什么的，可以自己看吧，我会把具体实现流程写在博客上。进入我的主页看就好了。

图书管理及新书推荐系统算法设计.doc

基于差分隐私的协同过滤推荐系统的设计与实现.pdf

英语例句推荐系统，王智超，谭咏梅，本文以句酷网站的英文例句为基础，目的在于建立一个能够代替人工识别英文句子是否地道的评分模型。本文首先分析并提取英文句子中

推荐系统已经成为Internet商家给用户提供个性化服务的高级商务智能平台之一，然而，用于研究推荐系统的数据信息里往往存在能够被攻击者直接或者间接获取的个人隐私。近年来受到极大关注的差分隐私保护是一种非常严格的、可证明的隐私保护模型。针对目前流行的协同过滤算法之一的矩阵分解进行了研究，提出了采用差分隐私保护技术对原始输入数据进行预处理和扰动处理的新方法。最后通过在真实数据集上进行相关实验验证，结果表明提出的带差分隐私保护的矩阵分解算法达到了预期：既能保护用做推荐研究的原始数据集的隐私，又没有严重影响推荐的准确率。

自由音乐存档音乐分析体裁预测和歌曲推荐 项目说明：Spotify和Shazam等创新型公司以非常聪明的方式利用音乐数据为用户提供出色的服务。 他们使用推荐算法和自动类型分类，这极大地有助于增加用户体验。 通过该项目，我们旨在在提供音乐功能时执行流派分类和音乐推荐的任务。 我们的主要目标是为Spotify和Pandora等公司创建音乐推荐系统和播放列表生成器。 音乐风格的推论虽然似乎是人类头脑的先天性，但对于机器学习社区而言仍然是一项艰巨的任务。 我们使用了各种机器学习算法来实现我们的目标。 我们利用诸如Logistic回归，朴素贝叶斯分类器，神经网络和随机森林分类器之类的分类算法来识别音乐曲目的流派。 我们还应用了K-means聚类算法来创建歌曲簇，并推荐用户最可能喜欢的歌曲。 储存库内容： 音乐分析和体裁预测 项目报告 项目文件： 探索性数据分析（InitialEDA.ipynb）