基于相似评分项目和用户共同偏好的非对称协同过滤算法研究.pdf

本文档描述了推荐算法中的不确定近邻协同过滤推荐算法,里面讲解了具体的计算方法和一些阐述

协同过滤算法（java）java版本的协同过滤算法哦

基于项目（Item-based）协同过滤算法源码 可用于个性化推荐 参加卓越亚马逊商品推荐

Item-Based_Collaborative_Filtering_Recommendation_Algorithms是一篇描述Item-Based方向的协同过滤算法的论文。对需要了解这方面知识的同

多伦多大学的一篇硕士论文,对协同过滤算法做了详细的介绍和实现,读起来比一些大人物写的综述要容易理解的多。 在读这篇文章前对基于模型的协同过滤算法理解很模糊,读过后就有了很清晰的认识,推荐给大家,值得一

包括如下步骤： 1.首先将文件读入，对数据集的基本的统计，并构建Item-User的倒排索引表 2.计算用户的评分的平均值。 3.计算用户之间的相似度。 4.选取最近的10%的邻居用户。 5.用这些用

协同过滤技术目前被广泛应用于个性化推荐系统中。为了使用户的最近邻居集合更加精确有效，提出了基于用户兴趣度和用户特征的优化协同过滤推荐算法。首先通过计算用户对项目的兴趣度来对用户进行分组；然后采用贝叶斯

为了解决用户评分数据稀疏性问题和传统相似性计算方法因严格匹配对象属性而产生的弊端,结合项目分类和云模型提出了一种改进的协同过滤推荐算法。首先,按项目分类得到类别矩阵;然后利用云模型计算类内项目间的相似

基于用户的协同过滤算法的电影推荐（稀疏矩阵）含代码和Netflix数据（800万+条，分测试集和数据集），博客中有讲解

这个是纯python写的基于用户的推荐系统,没有调用第三方库,值得大家推荐下载,可以深刻理解python基于用户的推荐系统。