# Recommondation-System
一些传统推荐算法的实现，包括基于内容的推荐，协同过滤，矩阵分解
### 测试数据
测试数据使用的是movielens数据集
### 实现算法
* 基于内容的推荐算法
* 协同过滤推荐算法
* 矩阵分解的推荐算法
### 代码结构
main.py 这是各种算法的入口
----data_preprocessing 对原始数据进行预处理的代码
----CB_recommendation 包含基于内容的推荐算法实现代码
----CF_recommendation 包含协同过滤推荐算法实现代码
----MF_recommendation 包含矩阵分解推荐算法实现代码
----measure 一些用于计算度量的方法
### 算法结果
| 算法 | MSE | RMSE |
| --------- | ---------- | ---------- |
| 基于内容的推荐算法 | 0.96124462 | 0.98043083 |
| 协同过滤推荐算法 | 1.25509244 | 1.12030908 |
| 矩阵分解推荐算法 | 0.95787807 | 0.97871245 |
### To do
* 算法代码结构的优化
* 基于图的推荐算法
一些传统推荐算法的实现，包括基于内容的推荐，协同过滤，矩阵分解.zip
需积分: 5 105 浏览量
2024-05-19
21:56:35
上传
评论
收藏 11KB ZIP 举报
一些传统推荐算法的实现，包括基于内容的推荐，协同过滤，矩阵分解.zip （15个子文件） 
content 
README.md 1010B code main.py 3KB MF_recommendation __init__.py 69B Matrix_Factorization.py 3KB README.md 651B measure __init__.py 69B measure_method.py 1KB data_preprocessing ML_data_preproccessing.py 5KB __init__.py 69B CB_recommendation __init__.py 69B Content_based_recommendation.py 6KB README.md 822B CF_recommendation __init__.py 69B Collaborative_Filtering_recommendation.py 3KB README.md 923B资源评论
