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

本文档主要是协同过滤算法实现的电影推荐系统源码，对应本人博客MapReduce基于物品的协同过滤算法实现电影推荐系统。欢迎大家关注数据科学，关注我。谢谢

已经下载好的压缩包，我也下载了，还在看，在GitHub上的，应该不错。

Python源码，基于物品的协同过滤算法源码及数据集，可运行

基于邻域推荐算法中，基于物品的协调过滤推荐算法 itemCF 的visual c++ 的实现代码，MovieLens数据集。

文件是基于物品的协同过滤算法itemCF原理及python代码实现，包含MovieLens数据集中的ml-100k数据集，开发环境是Python2.7.代码是我按照《推荐系统实践》里面的公式写的完整程序，并添加了中文注释。

基于物品的协同过滤算法itemCF原理及python代码实现

基于物品的协同过滤算法实现图书推荐系统。 在当下这个信息爆炸的时代，各种各样的书籍条目繁多，浩如烟海；相应地，为满足用户需求，电商平台需要推荐系统来帮助用户找到自己可能需要的书籍。本文旨在利用基于物品的协同过滤算法，来实现一个图书推荐系统。 本文首先介绍了推荐系统的发展历史，及目前常用的几种推荐算法的介绍与比较，然后以基于物品的协同过滤算法为基础，详细介绍图书推荐系统的构建。在该系统中，主要功能分为用户功能和图书推荐功能。用户功能包括用户账号的登录与注册，书籍查询，书籍评分。图书推荐功能利用基于物品的协同过滤算法，先计算各个书籍之间的相似度，再根据物品相似度和用户的行为数据计算用户对各个书籍的兴趣度，从而得出推荐结果。