文件名称：Board-Games-Recommender:基于主要棋盘游戏论坛BoardGameGeek收集的数据构建的棋盘游戏推荐系统
文件大小：97.53MB
文件格式：ZIP
更新时间：2024-04-04 16:34:18
deep-neural-networks deployment exploratory-data-analysis embedded-systems matrix-factorization
棋盘游戏推荐 介绍 传统上，是的子集，根据一组规则，棋盘或棋子涉及移动或放置在预先标记的表面或板上的柜台或棋子。 当纸张发明时，就出现了和类的古老棋盘游戏，而到了20世纪，棋盘游戏开始朝着不同的方向动态发展。 当时最大的两个市场是美国（US）和德国，分别具有两种不同的棋盘游戏类别。 在美国，您可以找到游戏，该游戏更多地致力于游戏，经常模拟战争和冒险主题。 另一方面， 由德国开发，通常专注于游戏的机制并采用适当的策略。 此后出现了其他几种棋盘游戏类型，例如牌游戏，，等。近年来，许多棋盘游戏包含多种游戏类型，在利用欧洲游戏的典型机制的同时也借鉴了Ameritrash游戏的元素。 全球棋盘游戏市场规模，并有望持续增长。 另一消息来源预测，由于数字娱乐来源的竞争，由于人们的欢迎和接受程度的提高，到，棋盘游戏市场将达到。 生活在互联网时代，许多棋盘游戏博客，论坛，内容创建者浮出水面，这将推动棋盘游
【文件预览】：
Board-Games-Recommender-main
----models()
--------checkpoint(99B)
--------deep_model_l2_weights.index(5KB)
--------deep_model_l1_weights.index(5KB)
--------deep_model_l1_weights.data-00000-of-00001(27.19MB)
--------deep_model_l3_weights.data-00000-of-00001(27.49MB)
--------deep_model_weights.data-00000-of-00001(27.27MB)
--------deep_model_weights.index(5KB)
--------deep_model_l3_weights.index(6KB)
--------deep_model_l2_weights.data-00000-of-00001(27.27MB)
----images()
--------rec_web_app.png(588KB)
--------tsne_topics_plot.png(274KB)
----boardgames_rec_slides.pdf(3.26MB)
----code()
--------01b_User_Ratings_EDA_Cleaning.ipynb(64KB)
--------02_CF_CB_Recommender.ipynb(137KB)
--------03_NN_Recommender.ipynb(469KB)
--------01a_Board_Games_EDA_Cleaning.ipynb(6.55MB)
--------.ipynb_checkpoints()
--------05_Final_Recommender_Conclusion.ipynb(1.17MB)
--------04_Boardgames_Topic_Modelling.ipynb(1.63MB)
----README.md(14KB)
----datasets()
--------user_similarity_matrix.pkl(133B)
--------ref_dictionaries.pkl(133B)
--------bgg_games_topics.pkl(133B)
--------user_similarity_keys.pkl(131B)
--------clean_bgg_GameItem.pkl(132B)
--------unique_user.pkl(131B)
--------.gitattributes(42B)