推荐系统 一个开发中的推荐系统，在tensorflow 2中实现。 数据集：MovieLens-100k，MovieLens-1m，MovieLens-20m，lastfm，Book-Crossing和一些satori知识图。 算法：UserCF，ItemCF，LFM，SLIM，GMF，MLP，NeuMF，FM，DeepFM，MKR，RippleNet，KGCN等。 评估：ctr的auc f1和topk的精度调用。 要求 Python 3.8 Tensorflow 2.4.1 跑 ，并将“ ds”和“ kg”放在“ Recommender_System / data”文件夹下。 在PyCharm中将当前文件的父目录作为项目打开，设置Python 3.8解释器并pip install tensorflow == 2.4.1。 转到Recommender_System / algo

推荐系统 利用MovieLens数据，Pearson相似度，分别基于User和Item构建一个简单的kNN推荐系统，并进行RMSE评价

Recommender Systems An Introduction PDF

推荐系统 《推荐系统实践》算法python实现

本文为大家整理了五篇KDD 2020 推荐系统（RS）相关论文，供大家参考。——异构图交互模型、组合嵌入、分解自监督、地理感知序列推荐、交互路径推理。

隐式反馈的贝叶斯个性化排名 该存储库使用pyTorch（ ）实现贝叶斯个性化排名其他存储库也实现了此模型，但是评估需要更长的时间。 因此，我使用带有GPU加速功能的pyTorch来实现此模型以进行评估。 实现细节将在下一节中说明。 环境 硬件 AMD锐龙7 3700X 8核处理器 三星DDR4 32GB NVIDIA TitanXp 软件 作业系统 我同时使用Windows和Linux（Ubuntu）。 Python包 在执行此代码之前，您必须安装以下软件包。 Python== 3.6 pytorch == 1.3.1 numpy == 1.15.4 熊猫== 0.23.4 您可以通过执行以下命令或通过anaconda安装这些软件包。 pip install -r requirements.txt 用法 0.准备数据 此代码支持movielens 1m数据和moviele

做得更好 Cook Better是一个Slack聊天机器人，根据可用成分以及用户的饮食和健康限制来推荐食谱。 演示版 斜杠命令 /个性化 使用此命令可以配置任何食物过敏，饮食限制，健康状况和体重目标。 您只需要执行一次，当您搜索食谱时我们就会记住您的选择！ / searchrecipes 使用此命令可根据您的食材搜索食谱。 您还可以按食谱类型，烹饪时间搜索食谱，或在特殊情况下查找食谱。 / surpriseme 该命令每次都会建议一个随机配方（同时牢记您的个性化标准）！ / cookbetterhelp 回到这个空间，以防您卡住并注意我们可能添加的任何新功能！ 笔记 要测试聊天机器人，请加入该并尝试使用斜杠命令。 可在找到针对CSC 510（2018年Spring）进行的评估结果。 指示 请按照以下说明在本地计算机上设置开发环境。 先决条件 JDK IntelliJ IDEA

FDU-Recommender-Systems-for-Douban-Movie-master 2.zip

matlab矩阵细分的过滤协同推荐代码SCoR 推荐系统 MATLAB代码： 基于综合坐标的推荐系统 这是 SCoR 方法 [1] 的实现。 SCoR 是一种基于合成坐标的推荐系统，其性能优于该领域最流行的算法技术，如矩阵分解和协同过滤等方法。 更多详细信息可以在 和 中找到 您只能将其用于非商业目的。 如果您在工作中引用我们的论文 [1]，我们将不胜感激： .java 文件的代码由 H. Papadakis 编写。 [1] H. Papadakis、C. Panagiotakis 和 P. Fragopoulou，SCoR：基于合成坐标的推荐系统，具有应用程序的专家系统，卷。 79，第 8-19 页，2017 年。

文档是英文版的，系统的详细介绍了推荐系统；涉及到较为全面的数据挖掘理论和知识； 提供了完整的推荐案例