VIP会员
作者:CSDN
出版社:CSDN《程序员》
ISBN:1111111111117
VIP会员免费
(仅需0.8元/天)
¥ 40000.0
温馨提示: 价值40000元的1000本电子书,VIP会员随意看哦!
电子书推荐
-
推荐系统实战 评分:
推荐系统实战,含标签,总共8章,利用实际案例手把手教授推荐系统相关技术
上传时间:2018-11 大小:11.96MB
- 43.36MB
MusicRecSys:音乐推荐系统
2021-03-11说明 本项目为《推荐系统开发实战》一书的演示案例,采用前逐步分离实现,替代使用的是Python的Django框架,前端使用的是Vue,数据库为MySQL,禁止用做商业用户,如有需要联系我授权 注:《推荐系统开发实战》已经在各大电商上线,感兴趣的朋友可以进行关注! 实现思路 利用网易云API获取部分数据 基于标签进行歌单详情页的推荐,歌曲详情页的推荐,歌手详情页的推荐 基于用户的协同过滤算法给用户推荐用户,个用户推荐歌曲 基于物品的协同过滤算法给用户推荐歌手 基于内容的推荐算法给用户推荐歌单 个性化排行榜 为你推荐(不同用户行为不同看到的为你推荐也不同) 我的足迹,展示用户在站内的行为 初步依赖 Python版本为3.6 Python包和对应的版本在MusicRecSys / MusicRec / z-others / files / requirement.txt文件中 安装依赖为pip
- 7.41MB
音乐推荐系统
2018-11-18音乐推荐系统
- 30.50MB
歌曲推荐系统
2017-08-22歌曲推荐系统
- 194KB
实现音乐推荐系统(源代码)
2018-03-01recommendation_engines.py Recommenders.py 推荐系统.ipynb
- 555B
推荐系统实战系列视频教程(Python).rar
2020-11-11推荐系统实战系列(Python),2020年新课,推荐系统实战系列课程旨在帮助同学们快速掌握推荐系统领域常用算法及其建模应用实例。 全程基于Python及其开源工具实战演示各大推荐引擎构建方法,基于真实数据集进行建模与...
- 595B
推荐系统实战系列(Python版).rar
2020-11-12推荐系统实战系列视频教程(Python版,2020年9月新课),推荐系统实战系列课程旨在帮助同学们快速掌握推荐系统领域常用算法及其建模应用实例。全程基于Python及其开源工具实战演示各大推荐引擎构建方法,基于真实数据...
- 4.50MB
MovieLens个性化电影推荐系统实战-代码
2024-01-09因此,基于这些影评行为数据,开发一个用户行为预测和影视推荐系统具有重要意义。 本系列文章主要解决两个问题,一是利用聚类算法对用户群体进行划分,有助于为用户推荐进行电影推荐,也有助于为用户提供个性化服务...
- 329KB
recommend:推荐系统实战
2021-03-11推荐推荐系统实战
- 26.51MB
推荐系统数据全集
2017-12-27该数据集几乎包含了目前网络上流传的所有推荐系统数据集,包括Epinions,MovieLens,delicious,lastfm,YahooMusic,ml-100k,ml-latest-small等
- 27.16MB
推荐系统源码
2018-12-19推荐系统源码,不错的有完整的功能,测试比较好用的源码
- 5.84MB
推荐系统资料
2017-11-24关于推荐系统的资料,有实时推荐系统的介绍,还有一些论文(基于Storm的分布式在线推荐系统.pdf 基于混合算法的推荐系统的研究与实现.pdf 实时推荐系统.pdf)
- 7.38MB
推荐系统java源码
2009-09-02这是推荐系统的源码,感兴趣的可以研究一下。
- 226.91MB
pytorch视频教程1-5
2018-04-22pytorch视频教程1-5集,适合入门,共13集,一天入门pytorch
- 2KB
AutoEncoder用于推荐系统pytorch实现
2018-04-26用pytorch实现了AutoRec论文中的算法,将AutoEncoder用户推荐系统中的打分矩阵补全。数据集是ml100k,可以在movielens的网站上下载。
- 4.51MB
推荐系统的一个例子数据
2018-04-28推荐系统的入门数据集。meta文件包含用户数量,电影数量以及training和test的划分
- 520KB
Python-推荐系统实例与最佳实践Jupyternotebooks
2019-08-11推荐系统实例与最佳实践(Jupyter notebooks)
- 8KB
recommendation:推荐系统实例
2021-03-11推荐系统实例 前言 本项目代码是在看项亮的《推荐系统实践》时的练习代码,16年上传的第一版代码结构比较随意,为了对得起这几十个星星,特地取代一遍。 目录 基于协同过滤(UserCF)的模型 基于隐语义(LFM)的模型 基于图(PersonalRank)的模型 快速开始 请自行下载数据( 数据预处理 python manage.py预处理 模型运行 python manage.py [cf / lfm / prank] 其他和博客 博客: : 历史版本 2018.07.01 重构user_cf,lfm代码 2018.07.02 重构personal_rank代码
- 3.33MB
Youtube推荐系统论文
2018-08-29youtube推荐系统改良的历程论文,从基础的item-based到graph random walk,到dnn
- 1.69MB
谷歌插件Merlin安装包
2023-02-09谷歌插件Merlin安装包,安装crx格式的插件文件
- 329B
chatgpt免费使用.txt
2024-03-27chatgpt免费使用
- 16.25MB
chromedriver 版本 120.0.6099.71
2023-12-12目前https://chromedriver.storage.googleapis.com/index.html登不进去,该资源是chrome浏览器对应的版本驱动:chromedriver(120.0.6099.71)。 当需要进行自动化测试或爬取网页数据时,Chrome浏览器的驱动程序(ChromeDriver)是一个关键组件。它允许控制和与Chrome浏览器进行交互。ChromeDriver允许开发人员使用编程语言(如Python、Java、C#等)编写脚本,以控制Chrome浏览器的行为。通过ChromeDriver,您可以模拟用户在浏览器中执行的各种操作,例如打开网页、填写表单、点击按钮、滚动页面等。这使得自动化测试和网页数据爬取变得更加简单和高效。ChromeDriver与特定版本的Chrome浏览器相对应,因此在使用ChromeDriver之前,您需要确保安装与您当前使用的Chrome浏览器版本相匹配的ChromeDriver版本。这样可以确保ChromeDriver能够与浏览器正确地进行通信和控制。该资源提供的是chromedriver(120.0.6099.71)
- 83.36MB
Cursor下载安装包-win
2023-07-11Cursor Setup 0.1.12-x64 Windows Cursor听闻是用chatGPT4来制作的软件,该软件可以帮助你写基础代码和代码的方案,也可以帮助你查找相关的代码函数
- 52KB
CarSim软件设置输入输出变量中文汇总
2022-09-20包含CarSim软件设置输入输出变量的中文汇总
- 129.36MB
GPT-4和GPT-3客户端 g4f.webview.0.2.8.0.exe
2024-04-09GPT客户端 g4f.webview.0.2.8.0.exe,安装后可以在本地部署GPT-3和GPT-4问答环境,详细参考指导问答,指导文档连接:https://blog.csdn.net/m0_49891087/article/details/137535495?spm=1001.2014.3001.5501
- 245KB
爬取淘宝商品数据项目的源代码
2022-03-05爬取淘宝商品数据项目的源代码
- 25.86MB
Bito-chatGPT插件
2023-04-26IDEA下Bito-chatGPT插件,离线安装 https://plugins.jetbrains.com/plugin/18289-bito--gpt-4--chatgpt-to-write-code-explain-code-create-tests/versions
- 10.78MB
最新ai创作系统CHATGPT镜像系统源码+支持GPT4.0+支持ai绘画(MJ)+实时语音识别输入+免费更新版本
2023-07-141、提问:程序已经支持GPT3.5、GPT4.0接口、支持新建会话,上下文记忆 2、支持三种Ai绘画模型(官方Midjourney模型、GPT3.5KEY绘画、国内其他绘画模型) 3、中英文实时语音识别输入,文章资讯发布功能,菜单工具栏功能,邮箱验证和手机短信验证注册登录,邀请返佣功能。 4、新增Prompt面具角色扮演功能 5、AI绘画广场功能 6、后续其他功能更新以及优化 (以上多项功能,后台均可选择开启其中一个或者关闭开启!)
- 12KB
人工智能-chatGTP
2023-01-01人工智能——chatGTP chatGPT 是一款由 OpenAI 开发的聊天机器人模型,它能够模拟人类的语言行为,与用户进行自然的交互。它的名称来源于它所使用的技术—— GPT-3架构,即生成式语言模型的第3代。 chatGPT的核心技术是 GPT-3 架构。它通过使用大量的训练数据来模拟人类的语言行为,并通过语法和语义分析,生成人类可以理解的文本。它可以根据上下文和语境,提供准确和恰当的回答,并模拟多种情绪和语气。这样,就可以让用户在与机器交互时,感受到更加真实和自然的对话体验。 chatGPT 的应用场景也很广泛。它可以用于处理多种类型的对话,包括对话机器人、问答系统和客服机器人等。它还可以用于各种自然语言处理任务,比如文本摘要、情感分析和信息提取等。例如,在一个问答系统中,chatGPT可以提供准确的答案,解决用户的疑惑;在一个客服机器人中,它可以帮助用户解决问题,提供更好的服务体验。 在未来,chatGPT 的发展方向将会更加多元。它可能会引入更多的语言模型和深度学习技术,使得它的性能更加优秀。它也可能会拓展到更多的应用场景,为更多的人群提供服务