拥有大量的全球互联网用户和他们的在线购物狂潮,世界引领着数字数据的惊人增长和指数增长。 最重要的是,在向用户和服务提供商提供个性化内容时,必须正确使用和利用这些数据。 这是推荐系统积极参与的地方。 这些以用户为中心的系统用于提供适合用户需求和兴趣的信息。 本文提出了两种类型的推荐系统。 第一个是电影推荐器,第二个是书籍推荐器。 对于电影推荐者,将使用MovieLens数据集,并使用Surprise Recommendation工具包中可用的各种预测算法获得个性化的Book内容。 我们利用具有书籍相关信息及其评分的跨书籍数据集。 我们使用基于内容的协作式过滤技术来获取建议,并且还使用不同的度量标准(如RMSE,测试时间和错误因子)对系统进行了评估。
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~