NCF-MF-for-Recommendation:分别使用传统方法(KNN,SVD,NMF等)和深度方法(NCF)和深度方法(NCF)来预测等级。推荐系统-源码

上传者: 42099755 | 上传时间: 2021-10-19 14:38:46 | 文件大小: 376KB | 文件类型: -
NCF-MF推荐 分别使用传统方法(KNN,SVD,NMF等)和深度方法(NCF)和深度方法(NCF)来预测等级。推荐系统。 需求 张量流 凯拉斯 惊喜 任务 首先,下载yelp数据集(接入,未提供),进行数据分析和处理工作。提取yelp数据集中我们需要的部分,即多伦多地区的评论信息(用户项目评级评论文本)。rating.csv和rating -text.csv(按住,未提供)。之后,分别使用传统方法和深度方法进行评分预测和评估指标的计算。 文件结构 yelp_data_analysis.ipynb:数据下载中,数据分析,数据处理部分。 rating.csv:保存好的数据。 yelp_mf_recomendation.ipynb:利用多种传统方法进行推荐的评分预测以及模型评估。 yelp_nn_recomendation.ipynb:利用NCF神经协同过滤方法进行推荐的评分预测以及模

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明