基于用户的协同过滤推荐算法实现 movielens数据集 输出评分矩阵 相似度 最近邻 推荐电影 预测评分 mae等测评指标
2021-02-28 22:06:25
20.02MB
1
py，itemcf，论文：https://blog.csdn.net/ancientear/article/details/100836118
2021-02-04 10:05:05
1.49MB
关于协同过滤，FM 的各种算法详细介绍。
协同过滤，简单来说是利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息，个人透过合作的机制给予信息相当程度的回应并记录下来以达到过滤的目的进而帮助别人筛选信息，回应不一定局限于特别感兴趣的，特别不感兴趣信息的纪录也相当重要。
2021-01-28 05:01:39
2.03MB
1
基于深度学习的监督学习，使用梯度下降、ALS、LFM算法，使用AngularJS2生成前端框架，数据库为MongoDB，使用ElasticSearch作为搜索服务器，Redis作为缓存数据库，其中包括Spark的离线统计服务、Azkaban的工作调度服务、Flume的日志采集服务、Kafka作为消息缓冲服务，全局采用Scala编写，Java作为Tomcat部署使用，实现离线推荐、实时推荐、服务器冷启动问题解决。
2021-01-28 04:17:55
250.79MB
1
该资源是基于物品的协同过滤算法，使用的是spark2.x环境，需要自己配置好环境，数据需要自己找，根据代码中的sql语句创建字段即可。环境配置好可以直接运行
2021-01-28 04:17:02
1.19MB
1
协同过滤算法 java源码 协同过滤常常被用于分辨某位特定顾客可能感兴趣的东西，这些结论来自于对其他相似顾客对哪些产品感兴趣的分析。协同过滤以其出色的速度和健壮性，在全球互联网领域炙手可热。
2020-05-12 21:56:10
4KB
1