LSC-priscilla / user_profiling_competition
用户画像练手,,,,
☆82Updated 8 years ago
Related projects ⓘ
Alternatives and complementary repositories for user_profiling_competition
- CSDN用户画像技术评测☆27Updated 5 years ago
- text classfication 大数据精准营销中搜狗用户画像挖掘 rank61/880☆62Updated 6 years ago
- 深度学习用于近日头条用户画像☆26Updated 6 years ago
- 1st Place Solution for【2016CCF大数据竞赛 客户画像赛题（用户画像）】☆346Updated 6 years ago
- twitter用户画像☆32Updated 5 years ago
- 2nd Place Solution for SMP CUP 2016☆93Updated 7 years ago
- 第二届全国大数据比赛-个性化新闻推荐☆67Updated 9 years ago
- CCF大数据比赛，基于主题的文本情感分析☆95Updated 6 years ago
- 推荐系统实践(基于近邻和LFM的推荐系统)☆100Updated 6 years ago
- 卷积神经网络（CNN）提取影评特征构建电影推荐系统，pytorch实现☆125Updated 6 years ago
- 依据香港中文大学设计的规则系统，先用小样本评论建立初始关键词库，再结合18种句式逐条匹配评论，能够快速准确地识别评论对象及情感极性。经多次迭代优化关键词库后，达到较高准确率的基础上，使用Tableau进一步分析数据，识别出客户集中关注的商品属 性、普遍好评差评的商品属性；通过…☆53Updated 7 years ago
- 基于python gensim 库的LDA算法 对中文进行文本分析，很难得，网上都是英文的，基本上没有中文的，需要安装jieba分词进行分词，然后去除停用词最后才能使用LDA☆132Updated 5 years ago
- csdn用户画像的源码☆20Updated 7 years ago
- 互联网新闻情感分析赛题baseline☆42Updated 5 years ago
- 朴素贝叶斯实现的文本分类（新闻分类）☆63Updated 8 years ago
- 根据用户数据及消费行为数据，使用Python对客户进行聚类分群，并给出用户画像。通过数据，分析用户群体的核心特征。☆26Updated 4 years ago
- 某电商手机评论的文本挖掘初体验 功能板块：数据预处理、LDA模型获取特征词、情感极性判断与程度计算、回归模型预测销量排序☆112Updated 5 years ago
- 1.解析爬取到的Json歌单数据，并进行数据预处理。 2.基于Surprise推荐系统库，采用KNNBaseLine实现基于用户 的协同过滤歌曲推荐。3.借鉴Word2Vec算法思想进行Song2Vec处理，实现基于物品的协同过滤歌曲推荐。 4.采用 TensorFlow实…☆38Updated 6 years ago
- 计算新闻文本类情感分析（采用TF-IDF，余弦距离，情感依存等算法）☆57Updated 7 years ago
- 该工程是利用python3.6进行“特征提取+分类器”来实现美团评论的文本二分类问题。在特征提取部分提取了6种特征，分类器选择了python里面的包xgboost和lightGBM分别实现提升树和GBDT（梯度提升决策树）。☆89Updated 5 years ago
- 练习题︱基于今日头条开源数据的文本挖掘☆85Updated 5 years ago
- 这是本人第一次数据算法比赛实录。主要整理记录2017年CCF大数据与计算智能竞赛使用的模型和实现代码，选择了基于主题的文本情感分析赛题。采用情感词典+自定义规则完成比赛，成绩：136/796。☆49Updated 6 years ago
- 基于用户行为（关键词和查看过的新闻）的个性化新闻推荐系统☆37Updated 6 years ago
- Sentiment Classifier base on traditional Maching learning methods, eg Bayes, SVM ,DecisionTree, KNN and Deeplearning method like MLP,CNN,…☆140Updated 6 years ago
- gensim-word2vec+svm文本情感分析☆101Updated 7 years ago
- 该项目是短文本分类，目前应用于新闻标签的分类☆32Updated 7 years ago
- 简单的实现推荐系统的召回模型和排序模型，其中召回模型使用协同过滤算法，排序模型使用gbdt+lr算法☆59Updated 5 years ago
- 高效的协同过滤算法实现——推荐系统☆51Updated 2 years ago
- 基于豆瓣图书的推荐、知识图谱与知识引擎简单构建neo4j☆262Updated 3 years ago
- 利用python进行反欺诈检测☆34Updated 5 years ago