基于用户的协同过滤算法音乐推荐系统

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

基于用户的协同过滤和基于内容的混合推荐系统源代码。

该资源是在Eclipse平台里，使用Mahout库的API，实现基于用户的协同过滤算法，从而进行商品推荐。 软件环境是：win7 64位 +Eclipse4.4 + jdk1.6， 用到了7个.jar包， 分别为：commons-logging-1.2.jar， commons-math3-3.5.jar，guava-18.0.jar，mahout-core-0.9.jar， mahout-math-0.9.jar，slf4j-api-1.6.1.jar，slf4j-jcl-1.6.1.jar。

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）

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。

基于MapReduce的基于用户的协同过滤算法代码及其使用

基于用户的协同过滤算法，使用Java实现，实验数据集为movielens100k

基于用户最近邻模型的协同过滤算法的JAVA代码实现，用户相似度用Pearson相关系数进行计算。

使用matlab实现user-based collaborative filtering，实验数据集为movielens100k。