人工智能-项目实践-推荐算法-基于implicit库的常用协同过滤推荐算法实现 Implicit是一个开源的协同过滤项目，其包含多种流行的推荐算法，主要应用场景是针对隐性反馈行为进行推荐。包含的算法主要有： ALS（alternating least squares），最小交替二乘法 BRP（Bayesian Personalized Ranking），贝叶斯个性化排序 Logistic Matrix Factorization 使用Cosine, TF-IDF 或 BM25的近邻模型

详细介绍了推荐算法的入门级理论及应用，包括算法原理、算法实现等。

2015天池移动推荐算法大赛总结报告.docx

python基于Suprise模块构建推荐算法模型，实现电影、书籍等资源的推荐 文中使用到的数据集

《基于强化学习的电商搜索排序算法及在京东的实践.pdf》

一种适用于礼品推荐领域的基于内容推荐算法，曹小娜，，将个性化推荐服务应用于礼品网站是较为新颖的问题。本文立足于礼品推荐问题的特点，实现并分析了一种适用于该领域的基于内容的推

该数据集为公共数据集：主要有u.data,u.genre,u.info,u.item,u.user,u.occupation 等文件

加权二部图的个性化推荐算法.doc

java协同过滤算法，不依赖第三方库，包含基于内容推荐、基于用户推荐，方便扩展。

基于 Spark 的矩阵分解推荐算法