改进建议 推荐系统---实验+复现+创新 书籍阅读复现阶段 推荐系统实践 论文阅读复现阶段 DeepCoNN 完成 NRPA 完成 DAML 完成 自己的论文 DAML改进了对DAML模型在id信息融合方式上的NRPA模型的思想的完成（模型见/pic/IDAML.png） DAML-Distance对DAML模型在id信息融合方式上合并NRPA模型的思想垂直距离公式进行研究完成 欧式距离（常规+标准化修订） 皮尔逊相关系数 数据集 电影行（ ） 亚马逊5核（ ） YELP（ ） 参数

Recommendation_System_Test 利用Python实现推荐系统功能 本项目实例预期实现一个电影的推荐系统，数据来源为 运行环境 Windows7x64 + python3.5 + jupyter笔记本 原始码和数据说明 原始码：基于用户的电影推荐系统代码，基于物品的电影推荐系统代码数据：data / ml-100k.zip（解压后获得本实例用到的u.data和u.item两个文件） Base_User.ipynb主要实现的是基于用户相似度的推荐，依据信息是多个用户对同一部电影

使用Pearson相关系数的电影推荐人 使用真实数据根据两个用户喜欢和不喜欢的电影来比较两个用户之间的相似度。 在确定相似用户使用皮尔逊相关系数的程度之后，程序会根据相似用户的喜好将电影推荐给当前用户。 该程序基于相似用户不喜欢的电影，对推荐当前用户要避免的电影进行相同的操作。