IT，理工，毕业设计

电影影院管理系统电影购票系统java项目jsp web项目基于javaweb的在线电影院售票管理系统

这是一套nodejs + mongodb实现的电影网站管理系统 技术栈vue + vue-router + nodejs + koa2 + mongodb + nginx 整个系统需要环境nginx（分发请求给nodejs，http2，ssl），nodejs（数据处理），mongodb（数据存储） 免责申明 本项目除外学习参考，不要用于任何商业，非法用途。事先带来的法律责任，本人概不承担！ 预览 Dart-Cms-Manage（后台） Dart-Cms-Flutter（安卓） fijkplayer_skin（fijkplayer皮肤） Dart-Cms-Script（插件） vue + php

之前的博文使用pyspark.mllib.recommendation做推荐案例，代码实现了如何为用户做电影推荐和为电影找到潜在的感兴趣用户。本篇博文介绍如何利用因子分解出的用户特征、电影特征做用户和电影的聚类分析，以看能否找到不同于已知的、有趣的新信息。 第一步：获取用户评分数据显式因式分解后的movieFactors、userFactors。 from pyspark.mllib.recommendation import ALS,Rating #用户评分数据 rawData = sc.textFile("/Users/gao/data/ml-100k/u.data") rawRatin

展示了电影的id，title，director，year

从无到有构建一个电影知识图谱，并基于该KG，开发一个简易的KBQA程序。

后台admin/LOGIN.ASP 用户名admin密码admin888 http://www.fytcw.com

《电影推荐》微信小程序

基于内容的电影推荐系统 基于余弦相似度的基于内容的电影推荐系统 使用Jupyter Notebook的余弦相似度创建基于内容的电影推荐系统

CSE523-机器学习-SSSR CSE523机器学习SSSR存储库包含使用KNN，ALS和SVD算法的电影推荐系统。 电影推荐系统 介绍 我们使用协作过滤制作了一个电影推荐系统，其中我们同时使用了基于内存的协作过滤和基于模型的协作过滤。 因此我们实施了3种算法 K近邻（KNN） 这是一种基于内存的聚类算法 交替最小二乘（ALS） 它是基于模型的矩阵分解算法 奇异值分解（SVD） 它是基于模型的矩阵分解算法 结果 参考 哈里森·奥尼尔（Onel）。 “具有K最近邻算法的机器学习基础。” 中等，迈向数据科学，2019年7月14日，通向datascience.com/machine-learning-basics-with-the-k-nearest-neighbors-algorithm-6a6e71d01761 Gupta，Meenu等。 “使用协作过滤的电影推荐系统。” 2020年电