随着互联网的普及，网络资源的激增，用户很难快速找到需要的信息。
为了提供精确而又快速的推荐,研究者提出了多种推荐算法,其中协同过滤推荐算法是应用最为成功的一种。
协同过滤这一概念初次于1992年由Goldberg、Nicols、Oki及Terry提出,应用于Tapestry系统,该系统仅适用较小用户群(比如,某一个单位内部),而且对用户有过多要求(比如,要求用户显式的给出评价).目前,许多电子商务网站都已经使用了推荐系统,如Amazon、CDNow、Drugstore，当当网上书店和Moviefinder等。
为了提供精确而又快速的推荐,研究者提出了多种推荐算法,其中协同过滤推荐算法是应用最为成功的一种。
协同过滤这一概念初次于1992年由Goldberg、Nicols、Oki及Terry提出,应用于Tapestry系统,该系统仅适用较小用户群(比如,某一个单位内部),而且对用户有过多要求(比如,要求用户显式的给出评价).目前,许多电子商务网站都已经使用了推荐系统,如Amazon、CDNow、Drugstore，当当网上书店和Moviefinder等。
2017/3/10 2:55:05
242KB
1
SVD奇异矩阵分解在推荐系统中的应用python源码，感激原作者。
SVD的python实现，具体参考http://www.cnblogs.com/FengYan/archive/2012/05/06/2480664.html
SVD的python实现，具体参考http://www.cnblogs.com/FengYan/archive/2012/05/06/2480664.html
2020/5/12 2:26:32
2.91MB
1
今天基于Movielens数据集把《推荐系统实践》上的部分算法实现了一下，顺便巩固python和pandas库的使用，发现书本上的代码有很多不靠谱之处（也许是我水平不够），所以基本都是本人写的，不当之处，还望指正。
2019/5/27 4:10:09
6KB
1
JAVA+聚类+KMeans图书推荐系统使用了聚类算法来给图书推荐进行排名，适合毕业设计进行参考~代码是基于javaweb的使用
2020/2/12 16:20:40
109.73MB
1
压缩文件中包含一下列表：1，movielens公开实验数据集(推荐系统研究经常用到~)2，模仿预测评分的python代码（python3.x）
2021/10/18 2:51:40
3.98MB
1
本文来自作者李文哲，知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱抽象地展示学科的核心结构、前沿领域以及整体知识架构达到多学科融合目的的现代理论。
从一开始的Google搜索，到现在的聊天机器人、大数据风控、证券投资、智能医疗、自适应教育、推荐系统，无一不跟知识图谱相关。
它在技术领域的热度也在逐年上升。
本文以通俗易懂的方式来讲解知识图谱相关的知识、尤其对从零开始搭建知识图谱过程当中需要经历的步骤以及每个阶段需要考虑的问题都给予了比较详细的解释。
对于读者，我们不要求有任何AI相关的背景知识。
随着移动互联网的发展，
从一开始的Google搜索，到现在的聊天机器人、大数据风控、证券投资、智能医疗、自适应教育、推荐系统，无一不跟知识图谱相关。
它在技术领域的热度也在逐年上升。
本文以通俗易懂的方式来讲解知识图谱相关的知识、尤其对从零开始搭建知识图谱过程当中需要经历的步骤以及每个阶段需要考虑的问题都给予了比较详细的解释。
对于读者，我们不要求有任何AI相关的背景知识。
随着移动互联网的发展，
2021/3/23 5:53:58
1.61MB
1
基于内容的电影推荐系统，使用AJAX进行情感分析可以在以下位置找到此应用程序的更新版本：:基于内容的推荐系统推荐与用户喜欢的电影相似的电影，并分析用户对该电影给出的评论的情绪。
电影的详细信息（标题，类型，放映时间，评分，海报等）是通过TMDB使用API??，//www.themoviedb.org/documentation/api并使用电影中的IMDBID来获取的。
API，我进行了网络抓取，以使用beautifulsoup4在IMDB站点中获得用户给出的评论，并对这些评论进行了情感分析。
查看现场演示：:链接到youtube演示：:注意电影院我已经开发了一个类似的应用程序，称为“电影院”，它支持所有语言的电影。
但是与此应用程序唯一不同的是，我在“电影院”中使用了TMDB的推荐引擎。
我在此应用程序中开发的推荐部分不支持多语言电影，因为它消耗了200％的RAM（即便将其部署到Heroku之后）也无法为TMDB中的所有700,000部电影生成CountVectorizer矩阵。
链接到“电影院”应用程序：:如果您要查找的电影
电影的详细信息（标题，类型，放映时间，评分，海报等）是通过TMDB使用API??，//www.themoviedb.org/documentation/api并使用电影中的IMDBID来获取的。
API，我进行了网络抓取，以使用beautifulsoup4在IMDB站点中获得用户给出的评论，并对这些评论进行了情感分析。
查看现场演示：:链接到youtube演示：:注意电影院我已经开发了一个类似的应用程序，称为“电影院”，它支持所有语言的电影。
但是与此应用程序唯一不同的是，我在“电影院”中使用了TMDB的推荐引擎。
我在此应用程序中开发的推荐部分不支持多语言电影，因为它消耗了200％的RAM（即便将其部署到Heroku之后）也无法为TMDB中的所有700,000部电影生成CountVectorizer矩阵。
链接到“电影院”应用程序：:如果您要查找的电影
2016/11/4 14:29:04
2.71MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB