PHP implementation of the (Weighted Slopeone,Cosine, Weighted Cosine) rating-based collaborative filtering schemes.

Recommendation engine and it's algorithms in python , R .

Research on User Profile and Resource Recommendation of Online Learning Platform Based on Collaborative Filtering Algorithm

基于协同过滤算法的个性化新闻推荐系统，SpringBoot实现了基于用户的协同过滤推荐算法，根据评分数据计算推荐，同时还使用了新用户喜好标签进行混合推荐，及将两种推荐结果全部输出，解决了冷启动和数据稀疏性问题。同时采用基于统计的热点推荐和相关推荐等。采用爬虫收集新闻数据实时更新新闻数据和推荐结果。 Java+SSM(Spring+SpringMVC+Mybatis)+Mysql基于用户的协同过滤算法个性化新闻推荐系统，采用基于用户、项目、内容、聚类、混合的协同过滤推荐算法。

新闻推荐系统，使用SpringBoot和SSM框架实现基于用户的协同过滤推荐算法，根据评分数据计算推荐，同时还使用了新用户喜好标签进行混合推荐，及将两种推荐结果全部输出，解决了冷启动和数据稀疏性问题。同时采用基于统计的热点推荐和相关推荐等。采用爬虫收集新闻数据实时更新新闻数据和推荐结果。

Collaborative filtering recommendation system. Recommendation algorithm using collaborative filtering. Topics: Ranking algorithm, euclidean distance algorithm, slope one algorithm, filtragem colaborativa.

python协同过滤算法在线小说推荐系统，采用热门推荐，推荐评分高的小说和收藏量多的小说同时采用基于用户的协同过滤推荐算法（评分数据）和基于物品的协同过滤推荐算法（收藏数据）进行平均加权混合推荐，如果平均加权混合推荐没有推荐结果，采用热门推荐，推荐评分高的小说和收藏量多的小说，同时过滤当前登录用户已经评分、收藏的小说。数据分析，数据爬虫

Implementation of various popular Collaborative Filtering algorithms in Python.

AI-powered game recommendation system using KNN and collaborative filtering, with Flask and C# APIs and an Angular frontend

Implementacija algoritama predstavljenih na predmetu Analiza velikih skupova podataka (AVSP)

Python协同过滤算法个性化音乐推荐网站，个性化推荐功能：排行榜：查询浏览数量最多的音乐，同时不包括当前登录用户浏览过的音乐；个性化推荐：游客：热点推荐（根据音乐总评分降序推荐）登录用户：基于用户的协同过滤推荐算法（根据评分数据），如果没有推荐结果，采用热点推荐（根据登录用户喜好标签下的音乐的总评分降序推荐，同时是登录用户没有评分的），数据爬虫

Implementation of Collaborative filtering Algorithm.

Python协同过滤算法在线动漫推荐系统，推荐动漫：用户没有登录，采用基于流行度的热点推荐，推荐点击量较多的动漫；用户已经登录，采用基于用户与基于物品的协同过滤推荐算法，如果基于用户与基于物品的协同过滤推荐算法均没有推荐结果，采用兴趣标签推荐，随机查询当前登录用户的兴趣标签中的动漫，同时过滤当前登录用户已经评分、收藏、点赞的动漫。

python协同过滤算法外卖订餐推荐系统，采用基于流行度的热点推荐，推荐点击量较多的菜品；同时采用基于用户的协同过滤与基于物品的协同过滤推荐算法，如果基于用户与基于物品的协同过滤推荐算法均没有推荐结果，采用兴趣标签推荐，随机查询当前登录用户的兴趣标签中的菜品，同时过滤当前登录用户已经评分、收藏、点赞、购买的菜品。数据分析可视化，数据爬虫。

本系统采用Java技术SpringBoot框架和Python技术Django框架（两种框架开发的都有）和Hadoop，hdfs，Scrapy爬虫，MySQL数据库，B/S 结构，Vue.js 技术，算法亮点，采用随机森林回归算法进行预测和协同过滤算法(余弦相似性）推荐。

springboot协同过滤算法个性化音乐推荐系统，爬虫（网易云），可视化数据分析，用户未登录：基于流行度的热点推荐，推荐平均分最高的音乐；用户已登录：基于用户的协同过滤推荐算法，用户音乐评分数据，如果没有推荐结果（冷启动和数据稀疏性），基于流行度的热点推荐。猜你喜欢推荐：推荐当前音乐类型下的音乐，同时过滤当前音乐和当前登录用户已浏览的音乐。

python协同过滤算法个性化电影推荐系统，个性化推荐：采用热门推荐，推荐评分高的电影和收藏量多的电影结合采用基于用户的协同过滤推荐算法（评分数据）和基于物品的协同过滤推荐算法（收藏数据）进行平均加权混合推荐，如果平均加权混合推荐没有推荐结果，采用热门推荐，推荐评分高的电影和收藏量多的电影，同时过滤当前登录用户已经评分、收藏的电影。数据分析可视化，数据爬虫。

springboot协同过滤算法在线电影推荐系统 ，采用基于流行度的热点推荐，推荐点击量较多的电影，基于用户与基于物品的协同过滤推荐算法，如果基于用户与基于物品的协同过滤推荐算法均没有推荐结果（冷启动和数据稀疏性问题造成没有推荐结果），用兴趣标签推荐，随机查询当前登录用户的兴趣标签中的电影，同时过滤当前登录用户已经评分、收藏的电影，数据爬虫，数据分析可视化。

Python协同过滤算法旅游景点推荐系统，热门推荐：推荐收藏数量最多的旅游景区，同时不包括当前登录用户收藏过的旅游景区个性化推荐：游客：热门推荐（根据旅游景区总评分降序推荐）;登录用户：基于用户的协同过滤推荐算法（根据评分数据），如果没有推荐结果，采用标签推荐（推荐登录用户标签下的总评分较高的旅游景区，同时是登录用户没有评分的），景区数据爬虫

This project is to analyze the interactions that users have with articles on the IBM Watson Studio platform, and make recommendations to them about new articles they might like. Recommending articles that are most pertinent to specific users is beneficial to both service providers and users.