基于深度学习的监督学习，使用梯度下降、ALS、LFM算法，使用AngularJS2生成前端框架，数据库为MongoDB，使用ElasticSearch作为搜索服务器，Redis作为缓存数据库，其中包括Spark的离线统计服务、Azkaban的工作调度服务、Flume的日志采集服务、Kafka作为消息缓冲服务，全局采用Scala编写，Java作为Tomcat部署使用，实现离线推荐、实时推荐、服务器冷启动问题处理。
2022/10/2 17:45:33
250.79MB
1
豆瓣电影数据集12万+用户影评40万+爬虫程序(可做推荐系统)。
豆瓣电影数据集12万+用户影评40万+爬虫程序(两个csv，一个db数据库)最近在学习爬虫，辛辛劳苦爬了几天，分享给大家。
。
可以用来做推荐系统觉得好的朋友帮忙评论下打个5星~数据集豆瓣爬虫。
豆瓣电影数据集12万+用户影评40万+爬虫程序(两个csv，一个db数据库)最近在学习爬虫，辛辛劳苦爬了几天，分享给大家。
。
可以用来做推荐系统觉得好的朋友帮忙评论下打个5星~数据集豆瓣爬虫。
2016/2/24 7:05:53
42.57MB
1
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
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