这里只做演示，都是获得老师高度认可的设计，有完整数据库，源码和文档，简单配置一下就可以用
2023-11-27 22:37:58
4.74MB
1
MovieLens 20m 电影推荐数据集包含 138493位 用户对 27278部 电影的 20000263项 电影的评分(1-5分)，电影标签数为 465564个，数据采集自网站 movielens.umn.edu，时间段为 1995.01-2015.03。
2023-01-25 23:06:32
417.67MB
1
通过对2000~2015 年末在我国大陆上映的电影的票房进行分析，研究电影类型、导演、演员、电影评分、上映档期、出品地区、国内生产总值和城镇居民可支配收入等因素对电影票房的影响，结果表明，热门档期上映对电影票房有促进作用，网上评分对电影票房的贡献突出，城镇人均可支配收入的提高对电影票房也有促进作用。
2022-10-24 22:50:51
4KB
1
数据集和词向量压缩包里都有，无需额外下载，到手即用。
通过pytorch实现gru循环神经网络模型，并对电影评价数据进行分类。
gru.pt是内部已经训练好的模型，可以直接使用。
gru.py是模型构建部分。
main.py是模型训练部分，你们可以在这里调参训练出自己模型。
use.py是模型使用部分，可以直接在这里调用训练好的模型。
详细步骤文档里都有介绍，喜欢就下载吧。
2022-10-18 18:28:05
409.73MB
1
Netflix 电影评价数据集包含来自 48 万用户对 1.7 万部电影的评价数据，评价数超过 100 万条，数据采集的时间段为 1998.10 – 2005.11，其中评分以 5 分制为基准，并且用户信息已经经过脱敏处理。
该数据集来自于 Netflix Prize 比赛，其旨在提高根据个人喜好欣赏电影预测的准确性，该比赛自 2006 年举办并持续至 2011 年。
2022-07-13 16:05:24
673.14MB
MovieLens 电影推荐数据集包含 943个 用户对 1682部 电影的 100000 个 电影的评分(1-5分)，数据采集自网站 movielens.umn.edu，时间段为 1997.09-1998.04。
2022-06-27 16:08:11
417.67MB
1
MovieLens 电影推荐数据集包含 943个 用户对 1682部 电影的 100000 个 电影的评分(1-5分)，数据采集自网站 movielens.umn.edu，时间段为 1997.09-1998.04。
2022-06-15 20:08:04
417.67MB
1
采用java技术构建的一个管理系统。整个开发过程首先对系统进行需求分析，得出系统的主要功能。接着对系统进行总体设计和详细设计。总体设计主要包括系统功能设计、系统总体结构设计、系统数据结构设计和系统安全设计等；详细设计主要包括系统数据库访问的实现，主要功能模块的具体实现，模块实现关键代码等。最后对系统进行功能测试，并对测试结果进行分析总结。
包括程序毕设程序源代码一份，数据库一份，完美运行。配置环境里面有说明。如有不会运行源代码或定制私信。
2022-03-08 07:56:10
57.91MB
1