mahout的基于用户的推荐Demo

基于LDA模型的微博用户推荐算法研究，周飞，刘建毅，随着最近web3.0的火热兴起，个性化推荐成为社交网络研究一个重要的方面。社交网络的代表微博在国内异常火热，国内外越来越多的研究

针对传统推荐算法在推荐过程中存在忽略用户偏好、用户恶意虚假信息和时间序列等问题，引入用户兴趣模型，结合用户可疑度与时间效应计算更新用户相似度，经过深度学习网络得到最佳推荐目标。为避免出现数据过拟合情况

针对协同过滤方法的冷启动问题,提出一种将社交用户标签与协同过滤相结合的混合top-N推荐方法。通过社交用户关系获得可信用户集,然后根据个性化标签采用结构上下文相似性算法（SimRank）计算社交用户相

基于用户评论的混合过滤排序学习推荐系统,张振冀,,时至今日在大数据环境下,推荐系统扮演者越来越重要的角色。如何从琳琅满目的商品中发掘出用户喜欢的商品成为当下推荐场景中十分

基于用户社区的云服务个性化推荐，李凌飞，张成文，传统的个性化推荐系统经过了多年的研究发展，在电子商务和web服务领域已成熟应用。近几年随着云计算的迅猛发展，云服务数量快速增

推荐系统中，基于邻域算法中的基于用户的协调过滤推荐算法的实现，环境VisualC++6.0，数据集MovieLens。

基于用户聚类推荐算法是根据用户的喜好程度产生的推荐系统

servlet基础代码（eg:基于servlet实现的购物车）

本例子是android基于EaseUI的demo，主要是官网的关于EaseUi的文档有点难懂，可以根据这个demo来学习环信，如果写的不好，请见谅

仿照Buttferknifer,基于APT实现的简单DEMO。是一个android工程