推荐系统 推荐系统笔记，包括论文，代码实现，相关推荐比赛等

目录 一、 产品概述 1.体验环境 2.竞品选择 二、 竞品分析 1.产品功能对比 2.推荐内容体验 2.1 首次启动（冷启动） 2.2 内容结构 2.3 互动评估 2.4 搜索推荐 2.5 兴趣关联 2.5.1 推荐阅读 2.5.2 榜单关联推荐 2.5.3 账号关联推荐 3.push 模块 3.1 推送频率 3.2 推送内容 三、总结 摘要 一． 产品概述 **2.3 互动评估 2.3.2 负反馈 （1）显性反馈 网易新闻： 点击不喜欢后，刷新首页相关推荐的新闻减少，但仍有出现 点击屏蔽相关关键词，并非完全屏蔽，只是减少推荐，下一刷仍会出现相关内容 今日头条： 点击不感兴趣后，刷新首页推荐

豆瓣电影推荐系统——通过爬取电影数据和用户数据，再利用所爬取的数据设计并实现相关推荐算法对用户进行电影推荐。然后设计出图形用户界面（GUI）进行交互，封装成电影推荐软件，针对数据集中的用户推荐相关电影。 **主要分为三大模块：** :one: 爬虫模块：request 库、json 库、MySQL :two: 推荐系统模块：基于物品的协同过滤算法（ItemCF 算法） :three: GUI 模块：PyQt5 **开发环境：Python 3.7.7**

该压缩文件包括，从零开始搭建音乐推荐系统 模型构建与算法调参（建模与评估方法） 基于movielens数据集的推荐预测 基于网易云音乐数据的推荐预测 word2vec 和Song2vec实现 冷启动与用户兴趣预测问题 基于Spark推荐系统实现

描述优酷土豆个性化推荐算法