注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 海科智能企业建站系统蓝色风格 v3.1.zip

  2. 海科智能企业建站系统蓝色风格更新记录： 增加宽屏动态广告切换功能 海科智能企业建站系统安装说明 欢迎使用海科智能企业网站建站管理系统，请将整个程序包所有的文件一起上传到空间根目录下，通过您的网址访问即可以直接运行， 海科智能企业网站建站管理系统功能： 1.全站HTML静态生成功能 支持一键生成全站HTML静态页面，产品、新闻增加或修改后，能自动生成HTML静态页面，不用每次都点一键生成，非常方便，提高工作效率。 2.seo功能支持 在后台可对每个页面进行seo优化，自定义每个产品或每篇文章的关

  3. 所属分类：其它

    • 发布日期：2019-07-05
    • 文件大小：6291456
    • 提供者：weixin_39841848

  1. oct20cloudguruchallenge:十月20云guruchallenge-源码

  2. IMDB电影推荐项目 请通读jupyter笔记本，其中逐步解释了如何实现此项目的方法。 我写了一个博客来解释我对相同方法的看法-https: IMDB（互联网电影数据库）是一家亚马逊公司，当涉及影音娱乐内容时，它是最大的数据集之一，它可以是电影，电视连续剧，短片或纪录片。 几天前，我才知道有关2020年10月发布的CloudGuruChallenge的信息。该项目的目标是使用任何技术工具来分析数据并做出一些推荐预测，例如课程推荐或电影推荐或歌曲推荐等。 目标：制作电影推荐引擎工具和技术

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：413696
    • 提供者：weixin_42144554

  1. wikirec:基于Wikipedia数据的NLP推荐引擎-源码

  2. 基于Wikipedia数据的NLP推荐引擎 跳到： •••• wikirec是一个框架，该框架允许用户使用任何语言解析Wikipedia以查找给定类型的条目，然后基于无监督的自然语言处理无缝地生成推荐。 该禁令适用于Wikirec，以完善和部署仅基于开源数据即可提供准确内容推荐的模型。 请参阅以获取该软件包的完整概述，包括模型和数据准备。 通过PyPi安装 wikirec可以通过pip从pypi下载，也可以直接从此存储库中获取： pip install wikirec git clone ht

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：74448896
    • 提供者：weixin_42126677

  1. recommendation_engines-源码

  2. 推荐引擎 描述 recommendation_engines作品与MovieTweetings数据，以提供用户与电影推荐。 我们探讨了三种类型的推荐系统：基于知识的协作过滤和基于内容的推荐系统： 基于知识 使用有关符合用户规范的项目的知识来推荐项目。 协同过滤 基于使用用户项目交互的协作。 基于内容 使用有关项目的信息来查找项目相似性。 通常相似之处与项目描述或目的有关。 依存关系 crash_response_pipelines需要： NumPy 大熊猫 进度条 资料夹说明 包含原始

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：25165824
    • 提供者：weixin_42136826

  1. recommendationEngine:为期3个小时的研讨会，旨在了解深度学习推荐系统-源码

  2. 推荐引擎 该研讨会向您介绍了开发推荐引擎的两种不同方法。 推荐引擎是广泛使用的机器学习解决方案，可根据过去的行为（例如购买历史）找到某人喜欢的商品。 我们都很熟悉Netflix根据您的观看记录和您对其他电影的评分推荐电影。 对于第一种方法，我们将深入研究如何通过使用Apache MXNet实现矩阵分解技术来构建这些推荐系统。 在第二种方法中，我们将利用SageMaker的内置算法Object2Vec。 对于这两个模型，我们将使用MovieLens数据集来构建我们的表示形式。 20M数据集由一个

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：7340032
    • 提供者：weixin_42133899

  1. Steam_Recommendation_System:推荐系统，协作过滤，Spark，Hive，Flask，Web爬网程序，AWS EC2，AWS RDS-源码

  2. 项目Steam游戏推荐系统 1概述 关键字：推荐系统，协作过滤，Spark，Hive，Flask，Web爬网程序，AWS EC2，AWS RDS 1.1引言 推荐系统在最近几年变得越来越流行，并且广泛用于电影，音乐，新闻，书籍，研究文章，搜索查询，社交标签和产品等各个领域。 推荐系统或推荐系统是信息过滤系统的子类，其试图预测用户将给予商品的“等级”或“偏好”。 在这个项目中，我通过Spark的ALS（交替最小二乘）API（pyspark.mllib.recommendation.ALS）在

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：9437184
    • 提供者：weixin_42110362

  1. Movie-Recommender-System:使用用户项目协作过滤的基本电影推荐Web应用程序-源码

  2. 电影推荐系统 使用基于矩阵分解算法的协同过滤的Web用户项目电影推荐引擎，以及基于以下想法的推荐：如果两个人都喜欢普通电影，那么一个人喜欢另一个人还没有喜欢的电影看过可以推荐给他。 截屏 主页 推荐页面 评分页面 使用的技术 网络技术 HTML，Css，Javascr ipt，引导程序，Django Python3中的机器学习库 脾气暴躁，熊猫，Scipy 数据库 SQLite的 要求 python 3.6 pip3 virtualenv 设置运行 将zip文件解压缩到您的计算机中 打开终端/

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：2097152
    • 提供者：weixin_42098892

  1. Hands-On-Recommendation-Systems-with-Python:Packt发布的Python动手推荐系统-源码

  2. 使用Python的动手推荐系统 这是Packt发布的“ 的代码库。 开始使用Python构建功能强大且个性化的推荐引擎 这本书是关于什么的？ 详细说明中的第一段 本书涵盖以下激动人心的功能： 不同种类的推荐系统 使用Pandas库的数据整理技术 构建IMDB排名前250位的克隆 构建基于内容的引擎以基于电影元数据推荐电影 建立推荐器中使用的数据挖掘技术 如果您觉得这本书适合您，请立即获取！ 说明和导航 所有代码都组织在文件夹中。 例如，Chapter02。 该代码将如下所示： #Im

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：377856
    • 提供者：weixin_42120405

  1. 推荐引擎：探索电影推荐系统并部署为网络应用-源码

  2. 推荐引擎 探索了与Fastai和Keras协作的电影过滤推荐系统。 将基于内容的推荐部署为Web应用程序，为： : 网络应用程序：

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：5242880
    • 提供者：weixin_42134878

  1. Movie_Recommendation_Engine-源码

  2. 电影推荐引擎 该分析探索了datalens.com（网址： ：//grouplens.org/datasets/movielens/）中的电影数据集，其中的数据包括1995年1月9日至2015年3月31日的用户评分。 使用奇异值分解（SVD）创建了推荐引擎，以创建电影的代表性潜在特征，并利用潜在特征，使用余弦相似度来生成给定用户电影评级的预测。 完成上述操作后，创建了一个使用仪表盘和破折号的推荐仪表板应用程序并将其部署到Heroku （（用户名：数据，密码：分析师，注意：该应用程序需要几

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：6291456
    • 提供者：weixin_42123296

  1. 电影推荐引擎-源码

  2. 电影推荐引擎

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：168960
    • 提供者：weixin_42134143

  1. IMDB --- Web-Scraping：编写脚本以刮取IMDB以获得用户评分-源码

  2. IMDB-网页抓取 编写脚本以刮擦IMDB以获得用户评分 关键问题– IMDB不提供用户级别的分级页面。 包含电影和比较排名的数据库可用于基于用户评分建立推荐引擎 步骤1 –查找用户列表 第2步–转到用户页面，提取用户给所有电影的评分 步骤3 –将分级添加到现有电影列表中

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：74752
    • 提供者：weixin_42177768

  1. MovieRecommendationEngine：一种简单的算法，可帮助您获取之前看过的电影的电影推荐-源码

  2. 电影推荐引擎 一种简单的算法，可帮助您获取以前看过的电影的电影推荐。 它是如何工作的？ 它从用户那里获得电影作为输入，然后比较不同的参数，例如工作室名称，演员/女演员，类型，导演等，并为您提供七部电影。 它使用存储在定义良好的csv文件数据库中的信息。 该程序在哪里使用？ 该程序用于各种视频流服务中，例如Amazon Prime Video，Netflix，Hotstar，Disney +，Youtube等，以根据观看者的观看历史向观看者推荐其他视频或电影。 使用的模块----> 大

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：3072
    • 提供者：weixin_42181686

  1. Netflix-Recommender-System：ITCS 6190：用于数据分析的云计算项目。 具有自定义功能实现和库使用的Netflix数据电影推荐引擎-源码

  2. 用于数据分析的云计算：电影推荐系统 作者： 阿迪亚（Aditya Gupta）（ ） Rekhansh Panchal（ ） 11组 概述： 该项目旨在使用云计算的概念来分析并从Netflix数据中提取见解。 该项目的目标是在PySpark的帮助下实现Pearson相关系数和交替最小二乘算法。 电影推荐是使用Netflix数据上的pySpark使用协作过滤实现的。 该项目的主要目的是根据用户的喜好向他们提供电影推荐。 涉及的任务和实施的步骤： 配置Jupyter Notebo

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：2097152
    • 提供者：weixin_42131424

  1. movielens：MovieLens数据集的4个不同的推荐引擎-源码

  2. MovieLens推荐系统 此仓库显示了一组Jupyter Notebook，展示了的各种电影推荐系统。 该数据集包含2000年加入MovieLens的6,040名MovieLens用户制作的约3,900部电影的1,000,209匿名评级。 以下是不同的笔记本： ：加载和处理用户，电影和收视率数据，以准备将其输入到我的模型中。 ：使用基于内容的协作过滤方法 ：使用SVD方法 ：使用深度学习方法 随附了相应的Medium博客文章，可在此处查看： 要求 或 依存关系 选择以下任何依赖项的最新版

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：32505856
    • 提供者：weixin_42116701

  1. 具有情感分析功能的AJAX电影推荐系统：基于内容的推荐系统推荐与电影用户喜欢的电影类似的电影，并分析用户对该电影的评论情绪-源码

  2. 基于内容的电影推荐系统，使用AJAX进行情感分析 可以在以下位置找到此应用程序的更新版本： : 基于内容的推荐系统推荐与用户喜欢的电影相似的电影，并分析用户对该电影给出的评论的情绪。 电影的详细信息（标题，类型，放映时间，评分，海报等）是通过TMDB使用API​​， //www.themoviedb.org/documentation/api并使用电影中的IMDB ID来获取的。 API，我进行了网络抓取，以使用beautifulsoup4在IMDB站点中获得用户给出的评论，并对这些评

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：2097152
    • 提供者：weixin_42157556

  1. Retro-Reel-Recommender:使用NLP为复古电影爱好者（1900年代）构建基于内容的推荐引擎-源码

  2. 复古卷推荐 大部分在19世纪为电影建立推荐。 背景 我们建立了一个基于内容的推荐引擎。 我们使用余弦相似度指数来确定电影之间的相似度并推荐它们。 方法 以下方法用于构建推荐系统： 以关键字为特征。 电影标题作为功能。 使用NLP作为功能来生成我们自己的关键字。 结合2和3以获得两者的最佳效果。 涉及的流程： 数据采集​​解析深度嵌套的JSON文件 数据预处理标准化JSON文件，使数据可用。 特征工程使用上述方法进行上述特征选择。 模型构建对于每种方法，我们确定余弦相似性指数并训练

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：69632
    • 提供者：weixin_42151729