QilinGu / RnewsLinks
简单的基于新闻语料的推荐算法实现
☆21Updated 8 years ago
Alternatives and similar repositories for Rnews
Users that are interested in Rnews are comparing it to the libraries listed below
Sorting:
- 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☆42Updated 7 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☆39Updated 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☆129Updated 7 years ago
- 此推荐系统类似网易云音乐推荐歌单以及推荐相似歌曲☆94Updated 7 years ago
- 第二届全国大数据比赛-个性化新闻推荐☆70Updated 10 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…☆39Updated 7 years ago
- 毕业设计-主动学习推荐系统的实现☆36Updated last year
- 图书推荐系统,基于商品的协同过滤算法实现☆306Updated 5 years ago
- 研一秋季学期《网络数据挖掘》大作业 - 新闻推荐系统☆14Updated 9 years ago
- 用itemCF和userCF算法实现的音乐推荐系统☆15Updated 7 years ago
- 一些传统推荐算法的实现,包括基于内容的推荐,协同过滤,矩阵分解☆298Updated 7 years ago
- 基于协同过滤和SVD算法的音乐推荐系统☆39Updated 7 years ago
- 数据挖掘常用算法:关联分析Apriori算法,数据分类决策树算法,数据聚类K-means算法☆25Updated 6 years ago
- 基于用户画像以及协同过滤的音乐推荐系统☆73Updated 4 years ago
- 基于tensorflow的个性化电影推荐系统实战(有前端)☆278Updated 5 years ago
- 音乐推荐系统,python编写,涉及flask框架,scrapy爬虫,MySQL数据库,selenium,chrome driver,使用surprise库协同过滤算法☆85Updated 6 years ago
- 职位推荐系统☆25Updated 8 years ago
- 爬虫爬取网站新闻,DBCAN聚类,推荐系统......☆15Updated 7 years ago
- 根据豆瓣电影数据,做的一个推荐系统☆27Updated 8 years ago
- 推荐系统实践(基于近邻和LFM的推荐系统)☆103Updated 7 years ago
- 一个新闻推荐系统的web实现☆47Updated 3 years ago
- 基于深度学习的推荐系统算法库☆15Updated 6 years ago
- 高效的协同过滤算法实现——推荐系统☆53Updated 2 years ago
- 基于深度学习的新闻分类推荐系统(Spring Boot作为客户端,Keras作为服务端)☆50Updated 5 years ago
- 智慧物流算法大赛简介: 根据包括货值、路程和油价等字段的数据集,对每趟货物运送的运价进行回归预测。 本项目为我的参赛代码,分为四个主要的部分:1.数据预处理;2.特征工程;3.建模调参训练;4.数据可视化。 最终获得了大赛的二等奖。☆37Updated 6 years ago
- 使用Flask,mysql构建的一个基于书籍,基于协同过滤算法,基于slope one的图书推荐系统☆339Updated last year
- 基于豆瓣影视数据(不完整)的影视大数据分析平台。爬虫(影视数据和用户数据),推荐系统(基于用户的协同过滤算法),后台(flask实现的简易后台)。☆34Updated 7 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☆68Updated 5 years ago
- 基于RFM和决策树模型构建专家推荐系统。融合了RFM模型和决策树模型,结合专业运营人员的业务经营,发掘潜在用户,进行推荐营销召回。☆88Updated last year
- 基于网络爬虫及用户的协同过滤推荐算法的电影推荐系统☆64Updated 9 years ago