电影推荐系统所使用的源数据，来源于MovieLens网站！

数据集简介如下：（上传空间有限，这里我只传了一个最新的2016/1的数据集，如果有需要的话到官网下载吧http://grouplens.org/datasets/movielens/） MovieLens 100K Dataset Stable benchmark dataset. 100,000 ratings from 1000 users on 1700 movies. Released 4/1998. MovieLens 1M Dataset Stable benchmark dataset. 1 million ratings from 6000 users on 4000 movies. Released 2/2003. MovieLens 10M Dataset Stable benchmark dataset. 10 million ratings and 100,000 tag applications applied to 10,000 movies by 72,000 users. Released 1/2009. MovieLens 20M Dataset Stable benchmark dataset. 20 million ratings and 465,000 tag applications applied to 27,000 movies by 138,000 users. Released 4/2015. MovieLens Latest Datasets Small: 100,000 ratings and 6,100 tag applications applied to 10,000 movies by 700 users. Last updated 1/2016. Full: 22,000,000 ratings and 580,000 tag applications applied to 33,000 movies by 240,000 users. Last updated 1/2016. MovieLens Tag Genome Dataset 11 million computed tag-movie relevance scores from a pool of 1,100 tags applied to 10,000 movies.

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） 希望对大家学习有所帮助。有问题可以邮箱联系。

movielens数据集，电影推荐

以MovieLens 的 ml-100k 为实验数据，基于 ItemCF 算法的推荐结果。

以MovieLens 的 ml-100k 为实验数据，基于 ItemCF 算法作推荐，实现代码。

推荐系统数据集

MovieLens 20M Dataset Stable benchmark dataset. 20 million ratings and 465,000 tag applications applied to 27,000 movies by 138,000 users. Includes tag genome data with 12 million relevance scores across 1,100 tags. Released 4/2015; updated 10/2016 to update links.csv and add tag genome data.

推荐SYS_with_movielens 使用FunkSVD，FM，itemCF / UserCF，使用残差网络的宽带和深度，使用残差网络的deepFM等构建ResSys。我尝试尽快收集所有算法。 我提供了一些基于movielens的算法 SVD： FunkSVD： BiasSVD： SVD ++ 因子分解机：FM 协同过滤 深度学习（tensorflow 2.x）宽而深 深度fm NFM

电影数据集及数据集的说明MovieLens