1、解压下载的CollaborativeFilteringBasedText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，输出文本之间的距离和相似度

分享教程——个性化推荐算法实战（可用于毕设）BAT大牛亲授，完整版，附源码课件；推荐算法工程师已成为各个大厂炙手可热的岗位，社招起步薪资20k+！本课程，讲师从算法原理到代码实战，细致的讲解个性化推荐算法如何在开发中落地，让你可以建立起自己的推荐算法体系。同时也可以让你掌握算法公式，模型参数迭代等技术的微小细节

文章来源《现代推荐算法》矩阵分解系列（SVD，FunkSVD，BiasSVD）原理 . 奇异值分解(SVD) 奇异值分解(SVD)原理与主要应用在数据降维中，可以将这个用户物品对应的m×n矩阵M进行SVD分解，并通过选择部分较大的一些奇异值来同时进行降维，也就是说矩阵M此时分解为： Mm×n=Um×kTDk×kVk×nM_{m \times n} = U_{m \times k}^{T}D_{k \times k}V_{k

包括了登录界面的实现，可以注册账号，连接Sqlite数据库，此外还有一些其他的附加功能

基于卷积神经网络的电视频道推荐算法_邵文倩.pdf

各类推荐算法图表详解，含传统CTR、深度学习CTR及多任务学习等。图表包括原理、特点、公式、结构及相关扩展等。

利用py爬虫爬取的网易云歌单数据，

基于项目（Item-based）协同过滤算法源码 可用于个性化推荐 参加卓越亚马逊商品推荐

Yelp-推荐算法 在yelp数据集上摘录取部分评分数据进行多种推荐算法（SVD，SVDPP，PMF，NMF）的性能对比。从yelp数据集中提取一些评分数据，以比较各种推荐算法（SVD，SVDPP，PMF）的性能，NMF）。原始数据集可以在下方下载：

摘要 I Abstract II 1.绪论 1 1.1 引言 1 1.2 研究现状 2 1.3 本文主要研究内容 2 1.4 本文主要框架 3 2. 推荐算法介绍 4 2.1协同过滤推荐算法 4 2.2基于内容的推荐算法 4 2.3基于关联规则的推荐算法 5 2.4基于聚类的推荐算法 5 2.5推荐算法研究方向 6 3.基于时间加权的协同推荐算法基础 7 3.1时间加权的协同推荐算法思想 7 3.2时间加权的协同推荐算法过程 9 4.基于经验时间的协同推荐算法基础 10 4.1算法的提出 10 4.2算法思想 10 4.2.1筛选项目集 11 4.2.2项目相似性 12 4.2.3最近邻居查询 12 4.2.4目标用户评测 12 4.3算法核心代码设计 13 5.实验结果分析 17 5.1实验数据用例 17 5.2推荐度量指标 18 5.3实验分析 18 6.结论 20