Movielens1M-movie-recommendation-system:使用MovieLens数据集实现了基于自动编码器（AE），可变自动编码器（VAE），BERT的深度学习电影推荐系统-源码
MovieLens1M基于深度学习的电影推荐系统
使用MovieLens1M数据集（数据可以从下载），实现自动编码器（AE），可变自动编码器（VAE），BERT提取电影名特征3种方法，对评分矩阵进行耦合，继而对用户做出推荐。
代码建议在Google Colab环境下运行，代码中的目录请根据自己的实际目录进行修改。
本代码主目录和子目录如下：
/ content / drive / Movie_lens / --------- ml-1m（包含数据集的文件夹） ---------自动编码器.ipynb ---------基于BERT的recommender.ipynb
1个型号：
1.1自动编码器
1.2可变自动编码器
1.3基于BERT
2实验结果：
2.1自动编码器的训练损失和验证损失的MSE
2.2变分自动编码器的训练损失和验证损失的MSE
2.3基于BERT的训练损失和测试损失的M
2021-03-25 01:32:20
6.57MB
1
数据集
要使用的数据集如下： :
职位发布数据集
特征提取和预处理
要运行文件，请从给定的链接下载堆栈溢出数据集，并将其放置在/ data / user_preprocessing文件夹中。 用户配置文件的特征提取和预处理由feature_extraction_user_a.ipynb和feature_extraction_user_b.ipynb完成。 提取的功能已经在/ data / user_preprocessing文件夹中。
协同过滤模型
要运行文件，请从给定链接下载堆栈溢出数据集和作业发布数据集，并将其放置在/ data / collaborative过滤文件夹中。 运行协同过滤.ipynb，以基于基于内容的建议检查CF建议的输出。
基于内容的过滤模型
为了运行基于内容的过滤模型：
需要安装以下模块spacy nltk sklearn scipy
请下载上面提到的两个
2021-03-17 20:03:36
118.37MB
1
《推荐系统实践》这本书，在标签推荐那一章节，用到的数据集delicious.dat
2021-03-15 16:55:20
61.75MB
1
基于安卓平台的电影推荐系统的实现，王薪宇，，目前市面上有很多提供电影资讯的app,也有一些擅长音乐推荐的app。本文开发了一个基于安卓平台的能够推荐电影的app。本文用到的算法�
2021-03-01 22:07:29
446KB
1