基于知识图谱表示学习的协同过滤推荐算法

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。

用pytorch实现了AutoRec论文中的算法，将AutoEncoder用户推荐系统中的打分矩阵补全。数据集是ml100k，可以在movielens的网站上下载。

bookcrossing网站的推荐数据集，已经经过预处理，和movielens的数据集格式一致。第一行是用户数、物品数、总打分数，之后每一行是一条打分记录。打分从0-10。可以用于推荐算法的训练。

该项目是我大三下学期的课程设计，它是基于hadoop的推荐系统，里面包含我的课程设计报告，和完整的mappeReduce代码。希望对你们有帮助。

用于基于地理位置的推荐系统数据集。 After preprocessing, it contains 25,379 users, 32,623 POIs, 1,395,856 check-ins and 118,717 social ties.

用于基于地理位置的推荐系统数据集。 After preprocessing, the dataset contains 30,887 users, 18,995 POIs and 860,888 reviews.

本课程论文阐述了spark和spark集成开发环境Intellij IDEA的安装与操作，也详细说明了基于Spark的电影推荐系统的开发流程。推荐引擎是最常用的机器学校应用，我们可以在各大购物网站上看到这方面的应用。基于Spark的电影推荐系统是使用Spark MLlib的ALS推荐算法，对会员电影评分数据和观看记录的数据构建协同过滤式的推荐引擎，对历史数据进行训练创建模型进行针对用户推荐电影和针对电影推荐用户的推荐功能，由此来增加会员观看电影的次数。

本系统在Myeclipse下可以直接运行,选取了原上传代码中的一个算法进行分析运算。 上传文件中有该系统的相关说明。建议大家去Mahout官网查看详细说明。 先前上传的代码是在ANT下运行http://download.csdn.net/source/3358441 电影推荐系统中运用的推荐算法是基于协同过滤算法（Collaborative Filtering Recommendation）。协同过滤是在信息过滤和信息系统中正迅速成为一项很受欢迎的技术。与传统的基于内容过滤直接分析内容进行推荐不同，协同过滤分析用户兴趣，在用户群中找到指定用户的相似（兴趣）用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度预测。

电影推荐系统程序，可以直接跑