该文件使用了协同的过滤的算法达成了电影推荐系统，比较适合新手，代码整洁，注释清晰

改进的增量奇异值分解协同过滤算法 改进的增量奇异值分解协同过滤算法

该资源是在Eclipse平台里，使用Mahout库的API，实现基于用户的协同过滤算法，从而进行商品推荐。 软件环境是：win7 64位 +Eclipse4.4 + jdk1.6， 用到了7个.jar包， 分别为：commons-logging-1.2.jar， commons-math3-3.5.jar，guava-18.0.jar，mahout-core-0.9.jar， mahout-math-0.9.jar，slf4j-api-1.6.1.jar，slf4j-jcl-1.6.1.jar。

基于用户的协同过滤算法数据集以及代码实现，包含数据集，代码，还有介绍

Python源码，基于物品的协同过滤算法源码及数据集，可运行

基于用户最近邻模型的协同过滤算法的Python代码实现，用户相似度用Pearson相关系数进行计算。

( Netflix Prize中的协同过滤算法.zip ) 个人收集，仅用学习使用，不可用于商业用途，如有版权问题，请联系删除！

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。

是在协同过滤算法上的一个改进，从而设计出的一个个性化推荐算法

matlab实现基于项目的协同过滤算法，可学会如何处理movielens数据集，绝对可用。博客地址http://www.cnblogs.com/hxsyl/p/4456757.html