文件名称：MusicRecommender:音乐推荐
文件大小：3.41MB
文件格式：ZIP
更新时间：2024-06-06 03:03:05
Python
音乐推荐 简介： 基于用户的播放次数，给用户推荐乐队， 用户播放乐队的歌曲次数代表了用户对这个乐队的喜爱程度 采用User_CF,Item_CF,LFM,BPR,ALS_WR模型算法进行求解比较 衡量标准采用：准确率，召回率，覆盖率，多样性 数据集(两份数据): lastfm-360K(small_data.csv)取最活跃的10000个用户，最受欢迎的1000首歌 u.data,lable编码后的小数据集 1.基于用户的协同过滤 计算用户的相似度，两个用户对冷门物品产生行为，则这两个用户应该具有较高的相似度 2.基于物品的协同过滤 计算物品的相似度，活跃用户对物品的相似度贡献应该小于不活跃用户 3.隐语义模型（LFM） 通过隐含特征联系用户和物品 参数：隐特征的个数 学习速率alpha 正则化项系数lamba 4.贝
【文件预览】：
MusicRecommender-master
----.gitignore(27B)
----Evaluation()
--------__pycache__()
--------Evaluation.py(3KB)
----Implicit()
--------ALS_WR.py(9KB)
--------__pycache__()
--------implict(BPRALS).py(11KB)
--------BPR.py(7KB)
----ItemBase()
--------ItemCF_IUF.py(3KB)
--------__pycache__()
--------ItemCF.py(2KB)
----UserBase()
--------UserCF_IIF.py(2KB)
--------__pycache__()
--------UserCF.py(2KB)
----testdata()
--------small_data.csv(14.45MB)
--------test_expovariate.py(941B)
--------u.data(1.89MB)
--------preData.py(2KB)
----LFM()
--------__pycache__()
--------LFM.py(3KB)
----README.md(2KB)
----mainFun.py(11KB)