NetflixPrize上的奇异矩阵分解算法,在数据稀疏的时候可以较好的实现算法稳定性。
http://gustavonarea.net/blog/posts/korens-svd-python-implementation/内含使用说明。
2023/9/17 17:47:35 212KB 推荐系统 SVD++ Python 源码
1
推荐系统重排之提升多样性方法——次模函数,详细讲解了次模函数原理。
2023/9/14 18:32:08 6.08MB 次模函数 多样性 推荐系统
1
大数据在网易内部的应用丰富多彩,在《让机器读懂用户–大数据中的用户画像》一文中,网易工程师对用户画像进行了较为系统的介绍,并提到用户画像的一个重要作用在于个性化推荐。
但企业怎样才能正确认识和利用推荐系统来拓展业务?本文对推荐的本质和实现思路进行了深入的探讨,并介绍了网易严选的推荐系统实践,让您充分领略个性化推荐的魅力。
有资料称亚马逊的推荐系统带来的GMV占其全站总量的20%-30%。
这个数据会让人直觉地认为,电商网站只要一上好的推荐系统,就会带来相当高的GMV提升。
甚至有产品会问:我们的推荐系统GMV占全站多少?为什么亚马逊能做到30%而我们做不到?想象一下,亚马逊把推荐系统的位置全换成游戏广
2023/9/9 20:26:25 589KB 推荐系统本质与网易严选实践
1
ml-latest-small.zip的数据集,不是最全的数据集,请同学们选择下载。
2023/9/3 5:16:39 897KB movie数据集
1
基于web端的个性化电影推荐系统设计与实现(源代码),采用Apache+Php+MySql框架,通过协同过滤算法对数据集进行训练,最终得到的结果存储到数据库中,web页面调用进行展示。
2023/8/28 13:27:15 52KB 个性化推荐 电影推荐
1
该资源为正在研究推荐系统的人们提供了FourSquare和Gowalla两大数据集,是经过处理过的,被用于RankGeoFM方法试验对比。
有需要的可以下载
2023/8/24 18:55:50 1.84MB FourSquare数据集 推荐算法
1
基于CNN的电影推荐系统的实现代码,在jupyter中可以查看
2023/8/2 7:14:31 190KB AI
1
为了解决Internet上的信息迅速膨胀,出现的信息过载的问题,用户要在大量信息中挑选出自己真正需要的信息好比大海捞针,传统的搜索型产品存在一些不足,无法真正解决信息爆炸的问题,而推荐系统则是一个很好的选择。
本系统采用了基于item-user混合协同过滤算法来为用户推荐真正自己感兴趣的产品,提高了推荐的精准性,相对于传统推荐系统多了从item的角度去分析。
2023/7/25 20:49:31 722KB item-user
1
基于用户和物品的推荐系统,比较值得机器学习行业分析
2023/7/24 14:20:02 4.1MB 推荐系统 机器学习
1
是在协同过滤算法上的一个改进,从而设计出的一个个性化推荐算法
2023/7/18 5:36:21 351KB 协同过滤
1
共 121 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡