基于协作过滤算法的个性化推荐视频系统：基于协同过滤算法的个性化推荐水平系统，使用Spring Boot，Hadoop等框架和工具整合

多源数据融合的协同过滤算法研究

硕士论文，Netflix数据集上的协同过滤算法

基于特征聚类的路由器异常流量过滤算法.pdf

结合用户聚类和项目类型的协同过滤算法.pdf

基于mahout的协同过滤，个性化推荐算法实现。源码是java，可单机运行

推荐系统 分别基于协同过滤算法和基于TensorFlow建立推荐系统 一，基于协同过滤的推荐系统 协同过滤（collaboorative filter）：利用某兴趣相投，拥有共同经验之众的喜好来推荐用户公众的信息。比如说，你和另外一个人都喜欢看电影，而你们所喜欢的电影类型都差不多，那个人对于某个部电影的评价很高，而这部电影你没有看过。那么，我是不会将这部电影推荐给你呢？基于协同过滤的推荐，有基于用户和基于物品。 本项目可实现的功能： 1，基于用户的协同过滤 2，基于项目的协同过滤 3，基于内容的过滤算法 4，混合推荐系统 示例：您所做的那10个最近的邻居！ （1996）： 西雅图不眠夜（1993） 勇敢的心（1995） 玩具总动员（1995） 蝙蝠侠（1989） 土拨鼠日（1993） 美少女（1990） 星际迷航：第一次接触（1996） 当你睡觉时（1995） 萨布丽娜

这是改进的朴素贝叶斯算法的垃圾邮件过滤算法，论文，希望对你的学习有帮助。

如今大数据已经成了各大互联网公司工作的重点方向，而推荐系统可以说就是大数据最好的落地应用之一，已经为企业带来了可观的用户流量和销售额。特别是对于电商，好的推荐系统可以大大提升电商企业的销售业绩。国内外的知名电商，如亚马逊、淘宝、京东等公司，都在推荐系统领域投入了大量研发力量，也在大量招收相关的专业人才。打造的电商推荐系统项目，就是以经过修改的中文亚马逊电商数据集作为依托，并以某电商网站真实的业务架构作为基础来实现的，其中包含了离线推荐与实时推荐体系，综合利用了协同过滤算法以及基于内容的推荐方法来提供混合推荐。具体实现的模块主要有：基于统计的离线推荐、基于隐语义模型的离线推荐、基于自定义模型的实时推荐，以及基于内容的、和基于Item-CF的离线相似推荐。整个项目具有很强的实操性和综合性，对已有的大数据和机器学习相关知识是一个系统性的梳理和整合，通过学习，同学们可以深入了解推荐系统在电商企业中的实际应用，可以为有志于增加大数据项目经验的开发人员、特别是对电商业务领域感兴趣的求职人员，提供更好的学习平台。适合人群：1.有一定的 Java、Scala 基础，希望了解大数据应用方向的编程人员2.

zutki:基于物品的协同过滤算法(itemCF)的推荐系统