实现过程：
1、得到用户兴趣表，横轴为movie_id，纵轴为user_id
2、计算任何两位用户之间的相似度或者是相关性
3、取与某用户相似度最高的若干个用户的兴趣推荐给该用户（或者找到和每个用户相关系数在阈值以上的用户，并将他们喜欢的电影推荐给该用户）
2019-12-21 19:57:16
5KB
1
matlab实现基于项目的协同过滤算法，可学会如何处理movielens数据集，绝对可用。博客地址http://www.cnblogs.com/hxsyl/p/4456757.html
2019-12-21 19:55:19
563KB
1
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。
2019-12-21 19:53:19
6.56MB
1
压缩文件中包含一下列表：
1，movielens 公开实验数据集(推荐系统研究经常用到~)
2，模拟预测评分的python代码（python3.x）
2019-12-21 19:50:48
3.98MB
1
本资源是推荐系统中最基本且最精但的协同过滤推荐算法实现，包括数据集，以及算法的评价指标MAE的计算，数据集采用MovieLens中两个数据集进行测试，需要别的数据集可以根据自己需要添加，只需修改Base.java文件中的配置即可，本程序配备一个readme文件，里面有程序的运行介绍，程序注释详细，希望对大家有帮助。
2019-12-21 19:45:32
551KB
1
这是我参考网上资料后自己写的基于用户的协同过滤算法，包括算法所用到的数据集及相关代码，基于Python实现，代码包含详细解释。
2019-12-21 19:45:03
3.98MB
1
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。
2019-12-21 19:45:03
3.98MB
1