LawsonAbs / MovieRecommend
结合开源数据集进行电影推荐。推荐算法有:逻辑回归;UserCF ; ItemCF
☆15Updated 4 years ago
Related projects ⓘ
Alternatives and complementary repositories for MovieRecommend
- 实现了一系列常见的推荐算法,如UserCF,ItemCF,SVD等,包含“切分训练集与测试集-训练模 型-推荐-评估”一整套流程。☆18Updated 4 years ago
- 个性化推荐模型,主要包括als、als_wr、biaslfm、lfm、nmf、svdpp、基于内容、基于内容回归、user-cf、item-cf、slopeone、关联规则以及基于内容和cf的混合等模型。☆29Updated 2 years ago
- 推荐系统与深度学习☆33Updated 3 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
- 推荐系统实践(基于近邻和LFM的推荐系统)☆100Updated 6 years ago
- 基于用户的协同过滤(UserCF)与基于内容(CB)的推荐算法的后融合☆12Updated 4 years ago
- 高效的协同过滤算法实现——推荐系统☆51Updated 2 years ago
- collaborative filtering methods for recommender systems☆60Updated 3 years ago
- 小白记录学习CTR的历程☆17Updated 4 years ago
- 一些经典的个性化推荐算法的实现,从理论推导到实战☆66Updated 4 years ago
- 推荐系统---实验+复现+创新☆49Updated last year
- 使用MovieLens数据集实现了基于Auto Encoder(AE), Variational Auto Encoder(VAE), BERT的深度学习电影推荐系统☆60Updated 3 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
- 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
- 推荐算法学习☆38Updated last year
- YouTube推荐算法☆105Updated 2 years ago
- 热门推荐、基于内容推荐、基于用户协 同过滤推荐、基于物品协同过滤推荐☆35Updated 5 years ago
- 机器学习、深度学习基础知识. 推荐系统及nlp相关算法实现☆67Updated 2 years ago
- algorithms about recommender systems:probabilistic matrix factorization☆25Updated 7 years ago
- 推荐系统之深度学习模型,框架采用tensorflow2☆50Updated 2 years ago
- rater, recommender systems. 推荐模型,包括:DeepFM,Wide&Deep,DIN,DeepWalk,Node2Vec等模型实现,开箱即用。☆41Updated 4 years ago
- 短视频内容理解与推荐竞赛☆82Updated 4 years ago
- 推荐系统论文☆22Updated 5 years ago
- 电商行业知识图谱:构建电商行业实体关系,应用于商品推荐,商品搭配,问答系统。☆19Updated 4 years ago
- 推荐算法专题总结相关代码!☆17Updated 2 years ago
- Spark实践:音乐个性化推荐——基于ALS矩阵分解的协同过滤算法☆18Updated 5 years ago
- Spring Boot 版本的 SparrowRecSys,支持 Docker 一键运行。(王喆:深度学习推荐系统实践课)☆25Updated 2 years ago
- 利用用户画像数据、物品元数据、用户行为数据为特征构建推荐系统,使用CB和CF算法做推荐召回,使用 Redis数 据库做缓存处理,结合机器学习LR算法推荐排序,达到粗排、精排效果,实现推荐引擎搭建。☆41Updated 3 years ago
- A simple start for collaborative filtering.☆18Updated 3 years ago