人工智能-推荐系统-综述-一个推荐系统的综述介绍，包含相关资源的下载链接

人工智能-项目实践-推荐算法-基于豆瓣电影用户数据使用Canop+K-means聚类实现的协同过滤推荐算法

人工智能-项目实践-关联规则挖掘-本项目使用了 FP-Growth 和 K-Means 两种算法，挖掘了我校图书馆借阅记录中的隐藏信息，并以此为基础开发了相应的图书推荐算法

2018全国高校云计算应用创新大赛 最终排名：1 repo为技能赛的赛题一： 购物篮数据集 记录数 项目数 最短长度 最长长度 平均长度 1,692,082 5,267,656 1 71,472 177 用户数据集 用户数 项目数 最短长度 最长长度 平均长度 330,244 1,080,203 4 1,195 130 采用的频繁项集挖掘算法为PFP-Growth 比赛相关信息点 项目结构 　　本项目用scala语言编写，用maven组织。代码结构如下。 项目src/main/AR目录下存放源代码文件。 main文件夹中存放频繁项集挖掘与关联规则生成与关联规则匹配与推荐分值计算这两个模块的代码。 util包里FPTree、AssociationRules是频繁项集挖掘所必须的数据结构，FPNewDef是基于mllib的FP-Growth算法的优化版本。 conf文件夹包含一个Conf类用于

【目录】 1. 背景知识介绍 1.互联网广告 2.百度面向广告主的推荐产品 I. 设计要点 1.分析清楚技术目标 2.充分挖掘来自数据与人的信息 3.合理利用反馈信息 4.设计合适的推荐理由 5.注意评估结果的显著性 IL. 一些经验 IV. Q&A

推荐系统-推荐算法应用实践 停不下来的推荐实践 移动互联网下的推荐实践分享 共65页.pptx

标签导购 推荐系统-推荐算法 标签生成与推荐在淘宝导购中的应用 共34页.pptx

商品推荐系统 推荐算法应用实践 个性化的双11-天猫个性化推荐技术的应用 共29页.pptx

电商推荐系统 推荐算法应用 推荐系统在电子商务中应用 共27页.pdf

【目录】 个性化推荐系统的发展 豆瓣的个性化推荐服务实践 下一代推荐系统 个性化推荐，下一件大事？