ml-1m 数据集 CF系列

MovieRecommender基于Mahout实现协同过滤推荐算法的电影推荐系统^

MovieRecommendation 基于Python3，实现电影推荐系统，数据集是MovieLens官方数据集【见data.txt】 基于用户的协同过滤算法UserCF，UserCF的思想见博客： 基于项目的协同过滤算法ItemCF 关于推荐系统的介绍见博客：

大数据-Hadoop

movielens数据集（包含全部数据：10万、100万、1000万条评分数据）

科技项目评审专家推荐系统模型.pdf

该文章是快手公司与中科大合作产出的资源型论文，即发布了一个几乎全是观测值的稠密数据集KuaiRec，该数据集包含了1411个用户对3327个短视频的交互行为，稠密度高达99.6%（一般推荐系统公开数据集的稠密度在1%以下）。“稠密数据集”意味着用户-物品矩阵中几乎没有缺失值，即每个用户都看了每个视频且留下了反馈。

异火团队 Scrum开发第一周ing ...

读文件 计算歌曲所占频率 排序 推荐 写入文件

目前商用的推荐机制都为混合式推荐，将用户属性、项目属性、用户操作行为、聚类算法、基于用户、基于项目、基于内容等混合推荐。本文主要介绍混合推荐的推荐原理、推荐过程、代码实现。 一、基于用户/项目的混合协同过滤推荐算法推荐原理 混合推荐可使用的数据包括： 1、用户属性：用户位置、用户性别、用户年龄等属性信息； 2、项目属性：项目类别、项目添加时间、项目内容等属性信息； 3、用户操作行为：用户评分、收藏记录、浏览记录、观看时长、购买记录等操作行为； 混合推荐方法可以是先将数据进行聚类（用户聚类、项目聚类等），可进行多次聚类，聚类算法常用的有KMeans聚类、Canopy聚类、KMeans+Canop