群组推荐系统 [WIP] 该存储库包含 Group Recommendation 的最新研究论文、数据集和源代码（如果有）。 免费免费创建 PR 进行合并。 基于记忆的方法 偏好聚合 CoFeel：在群组推荐系统中使用情绪进行社交互动。 RecSys 2012 。 [ ] 具有部分信息的产品评级的数学建模和分析。 TKDD 2010 。 [ ] 通过纳入社会关系互动来增强群体推荐。 集团 2010 年。 [ ] 用于委员会决策的组推荐系统中的偏好聚合。 RecSys 2009 。 [ ] 一种考虑群组成员交互的群组推荐系统。 专家系统应用程序2008 年。 [ ] 基于用户档案合并的多观众电视节目推荐。 乌梅 2006 年。 [ ] 自适应无线电：使用否定首选项实现共识。 集团 2005 年。 [ ] 超过其成员的总和：群组推荐系统的挑战。 AVI 2004 。

IT_销售带推荐系统 Python-Django网络应用程序，根据客户以前在公司购买的产品为客户推荐产品，推荐系统为Apriori算法。

GraphAware Neo4j推荐引擎 | GraphAware Neo4j推荐引擎是一个用于在Neo4j上构建高性能复杂推荐引擎的库。 它在的许多客户中投入生产，这些客户在具有数亿个节点的图形上提供实时建议。 主要特征： 干净灵活的设计 高性能 权衡推荐质量以提高速度的能力 能够预先计算建议 内置算法和功能 衡量推荐质量的能力 能够在A / B测试环境中轻松运行 该库强加了一种特殊的推荐引擎体系结构，这是从我们在Neo4j之上构建推荐引擎的经验中得出的。 作为回报，它提供了高性能并处理了大部分管道，因此您只需编写特定于用例的推荐业务逻辑。 除了实时计算建议外，它还允许预计算建议，这些建议可能太复杂而无法实时计算。 预计算在安静的时间段内尽力而为，因此不会干扰Neo4j数据库正在执行的常规事务处理。 社区与企业 该模块的开源（GPL）版本与GraphAware Framewor

芒垣 欢迎来到芒垣！ 该自述文件也提供。 从这里做什么？ 漫画和动漫的AI 于2018年7月在洛杉矶动漫博览会上。 地球上的Mangaki（MoE）：可视化动画嵌入 请参阅 我们地图 浏览。 安装Mangaki 数据库设置 您需要在计算机上运行PostgreSQL> 9.3。 您还需要一个有权访问数据库的用户。 最简单的方法是创建一个与您的用户名同名的帐户，该帐户可以创建数据库，并且是超级用户（用于CREATE EXTENSION）： sudo -u postgres createuser --superuser --createdb $USER 然后创建数据库，并添加所需的扩展名： createdb mangaki psql -d mangaki -c \ "create extension if not exists pg_trgm; \ creat

皮尔逊 皮尔逊相关系数计算器 安装 您可以使用 ruby​​gems 安装pearson gem： gem install pearson 如果你使用 Bundler，你可以将它包含到 Gemfile 中： gem 'pearson', '~> 1.0' 用法 scores = { 'Jack' => { 'The Godfather' => 2.5 , 'Gattaca' => 3.5 , 'Matrix' => 3.0 , 'American History X' => 3.5 , 'Back to the future' => 2.5 } , 'Lisa' => { 'The Godfather' => 1.5 , 'Gattaca' => 2.5 , 'Matrix' => 1.5 ,

Spotify-Recommendation-Engine：音乐推荐系统