- 综合排序
- 最热优先
- 最新优先
- 来自专栏毛利学Python
豆瓣电影推荐系统
豆瓣电影推荐系统——通过爬取电影数据和用户数据，再利用所爬取的数据设计并实现相关推荐算法对用户进行电影推荐。 然后设计出图形用户界面（GUI）进行交互，封装成电影推荐软件，针对数据集中的用户推荐相关电影。 主要分为三大模块： one: 爬虫模块：request 库、json 库、MySQL two: 推荐系统模块：基于物品的协同过滤算法（ItemCF 算法） three: GUI 模块：PyQt5 开发环境 根据物品的相似度和用户的历史行为给用户生成推荐列表。 简单来说，ItemCF 算法给用户推荐那些和他们之前喜欢的物品相似的物品。 项目截图
1K10编辑于 2022-12-20 - 来自专栏最新最全的大数据技术体系
电影推荐系统设计(五)
暑假打算做一个大数据项目巩固所学知识, 学习的课程是某硅谷的实时推荐和机器学习项目 https://www.bilibili.com/video/BV1R4411N78S? p=1 以下是我的学习输出: 项目框架 数据源解析 统计推荐模块 离线推荐模块 实时推荐模块 ending：混合推荐 总结 以上便是电影推荐系统设计
47120编辑于 2021-12-07 - 来自专栏cwl_Java
快速学习-电影推荐系统设计(统计推荐模块)
主要数据模型 统计推荐模块 历史热门电影统计 近期电影热门统计 电影平均评分统计 各类别Top10评分电影统计
53510发布于 2020-03-23 - 来自专栏cwl_Java
快速学习-电影推荐系统设计(系统架构)
电影推荐系统设计 主要内容 项目框架 数据的生命周期 大数据的处理流程 系统模块设计 项目系统架构 系统数据流图
1.1K20发布于 2020-03-23 - 来自专栏cwl_Java
快速学习-电影推荐系统设计(实时推荐模块)
实时推荐模块 基于模型的实时推荐模块 推荐优先级计算 基于内容的推荐 混合推荐-分区混合
69830发布于 2020-03-23 - 来自专栏cwl_Java
快速学习-电影推荐系统设计(离线推荐模块)
离线推荐模块 ALS推荐模型训练 计算用户推荐矩阵 计算电影相似度矩阵 存储电影相似度矩阵
67530发布于 2020-03-23 - 来自专栏活动
电影推荐系统的实现与优化
随着互联网的发展和数字内容的丰富，电影推荐系统已成为提高用户体验和平台运营效率的关键技术。电影推荐系统利用用户的历史行为数据、电影的属性信息以及用户的反馈，向用户推荐他们可能感兴趣的电影。 这种系统广泛应用于流媒体平台、在线电影网站和社交网络等。 电影推荐系统不仅能帮助用户发现新电影，还能显著提高用户的观看时间和平台的用户粘性。 电影推荐系统的基本架构 电影推荐系统的基本架构包括以下几个主要模块： 阶段 内容 通过分析电影的内容特征（如类型、导演、演员）和用户的初步偏好（如填写的兴趣标签），系统能够为新电影或新用户提供初步的推荐。 基于内容的推荐通过计算电影之间的相似度来进行推荐。 电影推荐系统在不断发展和优化中，技术的进步和用户需求的变化推动着系统的演进。
65510编辑于 2024-08-14 - 来自专栏机器学习初学者精选文章
【机器学习】创建自己的电影推荐系统
所以，废话不多说，让我们直接进入推荐系统的基础。 什么是推荐系统? 简单地说，推荐系统是一个过滤程序，其主要目标是预测用户对特定领域的项目或项目的“评级”或“偏好”。 在我们的例子中，这个特定于领域的项目是一部电影，因此，我们推荐系统的主要重点是在给定用户的一些数据的情况下，过滤和预测哪些是用户更喜欢的电影。 有哪些不同的过滤策略? ! 用户的推荐系统检查过去的喜好,找到这部电影《The Prestige》,然后试图找到类似的电影,使用数据库中的信息,如主演、导演、相关体裁的电影，制作公司等，基于这些信息找到类似于《The Prestige 让我们开始编写我们自己的电影推荐系统 在这个实现中，当用户搜索一部电影时，我们将使用我们的电影推荐系统推荐排名前10的类似电影。我们将使用基于项目的协同过滤算法。 排名前十的电影都是严肃的、用心的电影，就像《记忆碎片》本身一样，所以我认为这个结果也是好的。 我们的模型运行得很好——一个基于用户行为的电影推荐系统。因此，我们在此总结我们的协同过滤。
2.1K21发布于 2021-04-16 - 来自专栏机器学习AI算法工程
百度电影推荐系统比赛——初步推荐算法实践
前一阵子参加了百度的电影推荐系统创新比赛。http://openresearch.baidu.com/activitycontent.jhtml?channelId=284 。 之前没有实现过推荐算法，想趁这次机会锻炼一下。虽然成绩并不好，RMSE只有0.6214，没有挤进前30。 任务描述：从用户的历史评分数据：userid,movieid,rating， 即用户对某个电影的评分，预测用户将会对一个未评分的电影打多少分。 然后假定每个用户u都有一个D维的向量，表示他对不同风格的电影的偏好，每个电影i也有一个D维的向量表示不同风格的用户对它的偏好。 于是电影的评分矩阵可以这样来估计： p 和q就是D维的向量。 the BellKor solution to the Netflix Prize" 最后，因为是我第一次参加推荐系统的实践，很多经验都不足，希望能多和大家交流切磋。
4K60发布于 2018-03-12 - 来自专栏图像处理与模式识别研究所
使用协同过滤来构建电影推荐系统。
%% Machine Learning Online Class % Exercise 8 | Anomaly Detection and Collaborative Filtering % % Instructions % ------------ % % This file contains code that helps you get started on the % exercise. You will need to complete the following functions:
43320编辑于 2022-05-28 - 来自专栏Python联盟
Django基于用户画像的电影推荐系统源码
一、项目介绍 本系统是以Django作为基础框架，采用MTV模式，数据库使用MongoDB、MySQL和Redis，以从豆瓣平台爬取的电影数据作为基础数据源，主要基于用户的基本信息和使用操作记录等行为信息来开发用户标签 ，并使用Hadoop、Spark大数据组件进行分析和处理的推荐系统。 /spark.py ，即可每日自动处理离线数据，精准推荐，推荐方式同时包含基于电影内容（基于内容）、基于用户相似度（基于协同过滤）推荐的方式。后期如有兴趣的同学还可完善改为实时推荐。 电影搜索框搜索电影 电影搜索框搜索电影结果显示 电影类别超链接搜索结果显示 5、电影默认推荐 电影默认推荐栏目显示 6、普通用户功能 用户在评论区添加评论 用户在评论区添加评论成功提示 电影取消收藏成功提示 电影收藏管理中心 电影评分成功提示 主页显示栏目电影推荐 页面顶部电影推荐 电影详情页推荐 用户注销提示 7、管理员功能 普通用户与管理员菜单栏对比 管理系统登录页面
3.3K40编辑于 2023-02-27 - 来自专栏机器学习初学者精选文章
【机器学习】从电影数据集到推荐系统
为什么是推荐系统？ 你们可能曾经花上几分钟甚至几个小时去选择一部电影单独看或者和家人一起看，不幸的是没有成功？你希望有人在这种时候替你做决定，这正是推荐系统的作用。 本文介绍的推荐系统分四个主要步骤实现： 第1步：计算每部电影的加权平均分，以便向最终用户推荐最受欢迎的100部电影的目录 第2步：使用机器学习算法建立5部“流行”电影的推荐：使用Scikit learn 第1步：计算每部电影的加权平均分 这第一步的目标是为我们推荐系统的最终用户提供一个流行电影的目录，他们可以从中选择自己喜欢的电影。 ? 首先，它帮助用户放心，因为他至少会认出推荐的电影之一。事实上，如果他不认识任何推荐的电影，他可能会拒绝我们系统的有用性。不幸的是，这一心理和人的因素是无法量化的。 你现在可以尝试实现你自己的系统版本了。 总结 在本文中，我们共同了解了如何使用Python编程语言将一个简单的数据集转换为一个真正的电影推荐系统，并将其部署为一个web应用程序。
3.5K72发布于 2021-07-07 - 来自专栏AI研习社
如何用深度学习推荐电影？教你做自己的推荐系统！
现在，电影智能推荐系统已经成为日常生活中的一部分。 在这个项目中，我研究了一些针对电影推荐的基本算法，并尝试将深度学习融入到电影推荐系统中。 把娱乐与视觉艺术相结合，电影是一个很好的例子。电影海报可以直接、快速地把电影信息传达给观众。 首先，我将讨论如何不使用回归，而是电影（用户）相似度来预测评分，并基于相似度做电影推荐。然后，我将讨论如何使用回归同时学习潜在特征、做电影推荐。最后会谈谈如何在推荐系统中使用深度学习。 电影相似性 对于基于协作过滤的推荐系统，首先要建立评分矩阵。其中，每一行表示一个用户，每一列对应其对某一电影的打分。 这个推荐系统是好是坏？仅仅看着MSE结果来评估预测效果不是很符合直觉。因此，我们直接检查电影推荐来评估。我们将搜索一个感兴趣的电影，并让电脑代理来推荐几部电影。
1.8K60发布于 2018-03-28 - 来自专栏cwl_Java
快速学习-电影推荐系统设计(数据源解析)
数据源解析 电影信息 用户评分信息 电影标签信息
52520发布于 2020-03-23 - 来自专栏相约机器人
结合知识图谱实现基于电影的推荐系统
在推荐算法中融入电影的知识图谱，能够将没有任何历史数据的新电影精准地推荐给目标用户。 实例描述 现有一个电影评分数据集和一个电影相关的知识图谱。 电影评分数据集里包含用户、电影及评分；电影相关的知识图谱中包含电影的类型、导演等属性。 要求：从知识图谱中找出电影间的潜在特征，并借助该特征及电影评分数据集，实现基于电影的推荐系统。 推荐算法模型：如图6的左侧部分所示，将用户和电影作为输入，模型的预测结果为用户对该电影的喜好分数，数值为0～1。 交叉压缩单元模型：如图6的中间部分，在低层将左右两个模型桥接起来。 将电影评分数据集中的电影向量与知识图谱中的电影向量特征融合起来，再分别放回各自的模型中，进行监督训练。 图7中，最下面一行为该单元的输入，左侧的是用户评论电影数据集中的电影向量，右侧的是知识图谱中的电影向量。 ?
9.1K62发布于 2019-08-23 - 来自专栏bit哲学院
基于python的电影推荐系统毕业设计_MovieRecommend
参考链接： Python | 电影推荐系统的实现 MovieRecommend 一个电影推荐系统，毕业设计 写在前面的话 希望大家不要copy到本地修改后直接当做自己的毕业设计，最好自己学一遍python 用户登录系统，对电影进行评分，查看自己已评价电影，查看推荐结果(两种) 论文 本科毕业论文已上传，关于推荐系统的介绍、展示都在论文中，有需要者可阅读 笔记 2018年2月18日 寒假过的好快啊 ，前一阵子准备用flask，但是后面进一步了解之后决定用django+mysql+python完成这个推荐系统，现在就在懵懵懂懂的学django 2018/4/5 UserCF是给用户推荐和他有共同兴趣爱好的用户喜欢的电影 看了《推荐系统实践》这本书，后期可能用基于标签，但是基于标签算法涉及更多，每部电影都需要多个标签，不能用movielens数据集。 输入'http://127.0.0.1:8000/users/login/'， 返回用户登录界面 点击登录后进入推荐系统首页(目前的首页只有一个电影分类页面，之后应增加分页，以及实现用户对电影评分，数据库记录用户对电影的评分
5.9K00发布于 2020-12-27 - 来自专栏全栈程序员必看
python+Django+Mysql+协同过滤电影推荐系统简介
该系统为基于协同过滤算法的Django电影推荐系统， 点击跳转 详情介绍如下所示。 用户登录界面 用户个人信息 用户注册代码 用户对电影的打分，收藏和电影的详情页面 基于user和Item的协同过滤推荐算法，为用户推荐想看的电影 用户推荐界面 用户推荐部分代码 物品推荐界面 物品推荐部分代码 后台管理系统，可以进行电影信息的增删改查 数据库模型代码 算法介绍 冷启动问题解决 在用户首次注册的时候会为用户提供感兴趣的标签选择界面。 然后在用户未进行打分的情况下，会为用户推荐喜欢标签的电影。 推荐算法改进—-结合标签的协同过滤推荐 在冷启动页面用户选择标签后将用户对这些标签标签的喜爱值设为5。 在根据协同过滤得到为用户推荐的电影后，如果推荐的电影数量不足15部，则从用户喜爱的标签中选取一部分电影来填充 更新标签喜爱值的策略将用户对电影的打分值减三然后加到喜爱值表中。
1.9K22编辑于 2022-06-30 - 来自专栏大数据文摘
新年电影清单一 | AI烧脑电影推荐
在向木星进发的途中，飞船上具有人类逻辑思维方式且从未出错的人工智能系统“哈尔9000”发生错乱，令到富兰克和三名冬眠人员相继丧命，剩下波曼和这台电脑作战。 而这种感受刚好和电影里的主人公的感受是一样的。 所以强烈建议小伙伴们看电影时强忍住想按快进键的冲动，并通过阅读亚瑟·克拉克的小说脑补知识点，相信影片中宇航员与对智能系统间的互动绝对会给你带来惊喜！ 为了获取能源，统治机器人的人工智能程序系统（母体）控制了大部分人类的意识，制造了一个21世纪的虚拟世界。 Her/她（2013年） 导演：斯派克·琼斯 影片简介：刚刚离婚的男作家西奥多，通过一次偶然的机会接触到了最新的人工智能操作系统OS1-萨曼莎。 影片速度以及视觉刺激比大多数好莱坞大片要慢许多，但恰恰是这样才让观众静静感受到人工智能系统的真实感。电影中os1所展示的功能大部分是基于现有人工智能的联想，让观众感觉有趣之余还颇为真实。
1.2K30发布于 2018-05-25 - 来自专栏HyperAI超神经
构建推荐系统：用 Netflix 电影评价数据集练练手
关键词：Netflix 推荐系统 算法 Netflix：让推荐算法商业化的鼻祖 Netflix 是美国的著名流媒体平台，它从租赁 DVD 起家，当下的主要业务是提供视频流播服务和影片发行制作。 Netflix Prize 副产：电影评价数据集 Netflix Prize 在推荐系统领域具有极其重要的意义，它以极高的奖金额度，吸引了大量 AI 开发者投身于推荐系统相关研究，同时也开辟了「推荐算法 电影名、评分时间以及评分 下载地址：hyper.ai/datasets/5687 其中评分以 5 分制为基准，用户信息经过脱敏处理，隐去用户姓名，仅保留用户编号、电影名、评分时间以及评分四个维度的数字， BellKor' Pragmatic Chaos 团队摘得桂冠 Netflix 电影评价数据集对于研究视频流媒体推荐算法具有重要意义，有助于从数字维度了解用户喜好，预测用户可能喜欢的视频类型，并进行推荐 想构建推荐系统、探讨推荐算法的朋友，快下载 Netflix 电影评价数据集开启自己的模型训练吧~ 数据集下载传送门→ hyper.ai/datasets/5687
1.8K60发布于 2020-04-27 - 来自专栏Reinvent Data Science
用 Milvus 和 Python 搭建电影推荐系统
推荐系统（推荐引擎）是根据用户行为和兴趣点等信息去预测并推送用户当前需要或感兴趣的物品（服务）的一类应用。常见推荐系统包括电影、书籍、音乐或新闻文章推荐系统等。 基于不同的算法或技术，推荐系统有很多种类型，如协同过滤算法（Collaborative Filtering）推荐系统、基于内容（Content-Based）的推荐系统、混合推荐系统和基于向量的推荐系统。 搭建完成后，用户便可输入描述并在推荐系统中搜索到相似的电影。 每条电影数据中包含 24 列。使用以下命令查看所有列的信息： check column names movies.columns 搭建电影推荐系统过程中，不需要使用到所有的列。 至此，我们已经成功用 Milvus 搭建了一个电影推荐系统。 本文最初发布于 The New Stack，已获得转载许可。
1.3K10编辑于 2023-12-13
腾讯云开发者
