[ 协同过滤与隐语义模型推荐系统实例1: 数据处理 ]
[ 协同过滤与隐语义模型推荐系统实例2: 基于相似度的推荐 ]
隐语义模型推荐
基于矩阵分解（SVD）的推荐
# 先计算歌曲被当前用户播放量/用户播放总量 当做分值
triplet_dataset_sub_song_merged_sum_df = triplet_dataset_sub_song_merged[['user', 'listen_count']].groupby('user').sum().reset_index()
triplet_dataset_sub_song_merged_sum_df.rename(columns
2022-08-03 16:58:31
82KB
1
操作说明：
1、解压下载的CollaborativeFilteringBasedUserCloud压缩文件
2、操作系统中需装java jdk1.7或者以上版本
3、点击start.bat，在运行过程中，会输出评分时间，然后输出用户id进行推荐
4、数据集movielens
2021-11-22 16:14:41
508KB
1
药物推荐使用审查：针对患者的每种健康状况，分析药物说明，病症，审查，然后使用深度学习模型推荐药物
2021-09-26 21:40:50
1.94MB
1
推荐系统是利用 电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。
2021-05-20 09:05:42
3.8MB
：传统的协同过滤推荐技术主要基于用户-项目评价数据集进行挖掘推荐，没有有效地利用用户通信上下文 信息，从而制约其进一步提高推荐的精确性。针对传统协同过滤推荐算法存在的推荐精度不高的弊端，在协同过滤 算法中融入通信上下文信息，引入了通信信任、相似信任和传递信任三个信任度，并提出了一种基于信任的协同过滤 推荐模型。通过公开数据集验证测试，证明提出的推荐算法较传统的协同过滤推荐技术在推荐准确性上有较大提高。
2021-05-04 18:19:11
1.58MB
1