本项目使用文本卷积神经网络，并使用MovieLens数据集完成电影推荐的任务。 推荐系统在日常的网络应用中无处不在，比如网上购物、网上买书、新闻app、社交网络、音乐网站、电影网站等等等等，有人的地方就有推荐。根据个人的喜好，相同喜好人群的习惯等信息进行个性化的内容推荐。比如打开新闻类的app，因为有了个性化的内容，每个人看到的新闻首页都是不一样的。 这当然是很有用的，在信息爆炸的今天，获取信息的途径和方式多种多样，人们花费时间最多的不再是去哪获取信息，而是要在众多的信息中寻找自己感兴趣的，这就是信息超载问题。为了解决这个问题，推荐系统应运而生。 协同过滤是推荐系统应用较广泛的技术，该方法搜集用户的历史记录、个人喜好等信息，计算与其他用户的相似度，利用相似用户的评价来预测目标用户对特定项目的喜好程度。优点是会给用户推荐未浏览过的项目，缺点呢，对于新用户来说，没有任何与商品的交互记录和个人喜好等信息，存在冷启动问题，导致模型无法找到相似的用户或商品。

该资源为本地Windows下pyspark环境搭载，包含python、spark、hadoop、jdk、anaconda3、jupyter notebook（可参考资源进行搭载）如遇问题请查看专栏中的报错解决，亦可私信联系我

主要介绍了Linux下搭建Spark 的 Python 编程环境的方法，本文通过实例代码给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下

spark 最新技术架包，具体说名请找度娘。知道的人可以下载

greenplum-spark_2.11-1.6.2.jar，csdn 下载需积分，可私信获取百度云链接

Spark推荐系统 在此项目中，目标是使用备用最小二乘（ALS）算法在Spark上构建推荐系统。 该数据集来自Kaggle竞赛，名为“ WSDM-KKBox的音乐推荐挑战赛”，其中包含用户收听歌曲的信息，播放来源等。 通过利用这些数据和适当的特征工程，可以从该数据中识别出最感兴趣的类型，艺术家和语言用户，并轻松推荐该类别中的热门歌曲。

spark-2.4.3-bin-hadoop2-without-hive_hadoop3.2

大数据实验报告Spark编程实现TopN和InvertedIndex程序.doc

PySpark大数据处理及机器学习Spark2.3视频教程，本课程主要讲解Spark技术，借助Spark对外提供的Python接口，使用Python语言开发。涉及到Spark内核原理、Spark基础知识及应用、Spark基于DataFrame的Sql应用、机器学习等内容。由浅到深的带大家深入学习大数据领域最火的项目Spark。帮助大家进入大数据领域，抓住大数据浪潮的尾巴。

项目以宜信贷风控系统实时数据采集系统为背景，主要描述了技术架构、核心技术难点及代码实现全过程，涉及技术包括但不限于：Kafka\zookeeper,Spark，SparkStreaming，HBase，实时访问技术，爬虫技术等