数据集包括：
user.json ---用户信息数据表
item.json ---物品信息数据表
behavior.json ---用户行为数据表
2021-08-09 20:34:58
1.23MB
1
1) 查阅相关资料，了解推荐系统的基本概念、应用场景及其难点。
2) 掌握Python语言以及一些相关库的基本使用。
3) 在标准评测数据集MovieLens上验证推荐系统的多种算法。
2021-04-21 16:28:06
61.24MB
1
此内容包括：用户画像数据：user_profile.data，物品（音乐）元数据：music_meta，用户行为数据：user_watch_pref.sml。可以使用此数据做一个推荐系统的demo
2021-04-12 16:41:01
34.96MB
1
一个用于制作音乐推荐系统的数据集，包括artists.dat歌手数据，user_artists.dat，用户与歌手对应数据，user_friends.dat用户与关联朋友数据集，user_taggedartists.dat用户的tag信息数据集，user_taggedartists-timestamps.dat
2021-04-11 12:01:52
2.17MB
1
以基于Item的协同过滤推荐算法为例，详细讲解推荐系统模型构建与实现，包括数据集的划分、相似度计算、评价指标的选择、推荐效果可视化等，非常时候初学者！
2021-04-07 09:07:57
1.75MB
这是一份音乐数据集，包含上千万的数据。里面有两个文件，一个.txt文件，用来保存用户行为数据集，一个.db文件，用来保存音乐具体信息数据集。通过这两份数据集，我们可以搭建一个音乐推荐系统。
2021-04-02 21:34:11
736.26MB
1
用于基于地理位置的推荐系统数据集。
After preprocessing, it contains 25,379 users, 32,623 POIs, 1,395,856 check-ins and 118,717 social ties.
2019-12-21 20:15:29
10.6MB
1