birdskyws / CollaborativeFilteringLinks
推荐系统协同过滤算法
☆36Updated 6 years ago
Alternatives and similar repositories for CollaborativeFiltering
Users that are interested in CollaborativeFiltering are comparing it to the libraries listed below
Sorting:
- 分别基于协同过滤算法和基于TensorFlow建立推荐系统☆44Updated 6 years ago
- Python 3.6 下的推荐算法解析，尽量使用简单的语言剖析原理，相似度度量、协同过滤、矩阵分解等☆105Updated 6 years ago
- 推荐系统从入门到实战☆168Updated 3 years ago
- 推荐系统实例☆793Updated 6 years ago
- 项亮的《推荐系统实践 》的代码实现☆491Updated 4 years ago
- [推荐系统] Based on the scoring data set, the recommendation system is built with FM and LR as the core(基于评分数据集，构建以FM和LR为核心的推荐系统).☆303Updated 3 years ago
- 《推荐系统开发实战》代码及勘误☆60Updated 5 years ago
- 推荐系统实践(基于近邻和LFM的推荐系统)☆103Updated 7 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
- 《推荐系统实践》学习笔记☆39Updated 6 years ago
- 黑马头条推荐系统☆100Updated 5 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☆296Updated 7 years ago
- 推荐系统学习资料、源码、及读书笔记☆132Updated 6 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tensorflow的个性化电影推荐系统实战(有前端)☆279Updated 5 years ago
- 基于SparkMLLib实现的商品推荐功能，包括：基于用户的协同过滤，基于物品的协同过滤，基于ALS交替最小二乘的协同过滤。☆36Updated 6 years ago
- 推荐系统读书笔记、思维导图等☆40Updated last year
- 《推荐系统实践》代码与读书笔记，在线阅读地址：https://relph1119.github.io/recommendation-system-practice-notes☆40Updated 5 years ago
- 一个简单的电影推荐系统☆234Updated 3 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
- UserCF和ItemCF协同过滤推荐算法的实现☆545Updated 3 years ago
- 本系统是基于物品（item-based）的系统过滤算法。协同过滤推荐技术被认为是推荐系统算法中应用最为成功的技术之一。它通常采用最近邻（K-Nearest-Neighbor， KNN）算法，利用用户的历史记录来计算用户之间的距离，然后利用目标用户的最近邻用户对物品评价来预测…☆14Updated 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…☆39Updated 6 years ago
- 第二届全国大数据比赛-个性化新闻推荐☆69Updated 9 years ago
- 推荐系统☆800Updated 6 years ago
- 住房月租金预测大数据赛TOP1☆29Updated 6 years ago
- 电影推荐系统、电影推荐引擎、使用Spark完成的电影推荐引擎☆117Updated 6 years ago
- 信贷逾期用户画像分析☆33Updated 5 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。☆45Updated 4 years ago
- 人工智能与深度学习实战 - 自然语言处理篇☆16Updated 8 months ago