一、开发技术
pycharm、MySQL数据库/sqlite3数据库、Python3.x版本、Django框架
二、说明
基于用户画像以及协同过滤的音乐推荐系统（UserProfile_MusicRecommend）
1.将基于用户的协同过滤算法与用户画像 相结合进行推荐，提高推荐列表数据的成熟度。
2.系统在Windows平台上搭建，采用Python3实现各项功能；采取MySQL/sqlite3进行数据的存储，通过Django框架连接系统的前、后端。
3.使用的数据集为kaggle平台上kkbox举办的—KKBox's Music Recommendation Challenge比赛的公开数据集（数据集采用公开数据集Last.fm Dataset-360K Users数据集），kkbox是亚洲领先的音乐流媒体服务提供商，拥有世界上最全面的亚洲流行音乐库，拥有超过3000万首音乐曲目。
4.针对数据集使用SVD矩阵分解进行相似相关度的计算分析，根据已有的评分情况，
分析出评分者对各个因子的喜好程度以及歌曲包含各个因子的程度，最后再反过来根据分析结果预测评分，根据评分的结果
2023-03-05 19:36:14
65KB
1
针对网络视频元数据信息缺失严重和多媒体数据本身特征难以提取等问题，提出了融合评论分析和隐语义模型的网络视频推荐算法。从视频评论入手，通过分析用户对不同视频的评论内容以判断其情感倾向并加以量化，继而构建用户对项目的虚拟评分矩阵，弥补了显式评分数据稀疏性问题。考虑到网络视频的多元性和高维度特性，为了深度挖掘用户对网络视频的潜在兴趣，针对虚拟评分矩阵采用隐语义模型( LFM) 对网络视频分类，在传统的用户—项目二元推荐系统基础之上添加虚拟类目信息以进一步发掘用户—类目—项目关联关系。实验在多重标准下进行，对 YouTube 评论集的实验表明，所提推荐方法获得了较高的推荐精度。
2023-03-04 22:04:27
431KB
1
用户功能：
（1）注册登录。用户可以依照系统要求独立注册账号，注册成功后用户可以根据自己的账号及密码登录系统。除此之外，针对已经登录的用户可以退出系统使用。
（2）学习资源查看。用户可以在登录状态下查看系统中的学习资源列表展示。
（3）学习资源搜索。用户可以在登录状态下关键字搜索系统中的学习资源，并列表展示。
（4）学习资源浏览。用户可以在登录状态下查看详细学习资源信息。
（5）学习资源收藏。用户可以在登录状态下对某一学习资源信息加以收藏。
（6）学习资源评分。用户可以在登录状态下对某一学习资源信息加以评分。
（7）学习资源推荐。系统根据用户的查看、搜索、浏览情况和学习资源的收藏、评分情况，为用户提供个性化学习资源推荐。
（8）用户中心。用户可以在登录状态下对个人信息进行查看和修改。
管理员功能：
（1）增删改查学习资源。管理员可以对系统中的学习资源进行增删改查操作。
（2）增删改查用户信息。管理员可以对系统中的用户进行增删改查操作。
2023-01-21 23:43:17
13.29MB
1
基于豆瓣电影用户数据使用Canopy+K-means聚类的协同过滤推荐
更新对比实验、豆瓣热门电影数据集
2022-12-26 19:31:14
127.42MB
1
基于ConvNCF推荐算法的推荐系统实现—数据集.zip基于ConvNCF推荐算法的推荐系统实现—数据集.zip基于ConvNCF推荐算法的推荐系统实现—数据集.zip基于ConvNCF推荐算法的推荐系统实现—数据集.zip基于ConvNCF推荐算法的推荐系统实现—数据集.zip基于ConvNCF推荐算法的推荐系统实现—数据集.zip基于ConvNCF推荐算法的推荐系统实现—数据集.zip基于ConvNCF推荐算法的推荐系统实现—数据集.zip基于ConvNCF推荐算法的推荐系统实现—数据集.zip基于ConvNCF推荐算法的推荐系统实现—数据集.zip基于ConvNCF推荐算法的推荐系统实现—数据集.zip基于ConvNCF推荐算法的推荐系统实现—数据集.zip基于ConvNCF推荐算法的推荐系统实现—数据集.zip基于ConvNCF推荐算法的推荐系统实现—数据集.zip基于ConvNCF推荐算法的推荐系统实现—数据集.zip基于ConvNCF推荐算法的推荐系统实现—数据集.zip基于ConvNCF推荐算法的推荐系统实现—数据集.zip基于ConvNCF推荐算法的推荐系统实现—数据集
2022-12-21 16:28:39
994KB