基于用户与基于项目的协同过滤推荐算法对比试验代码实现 协同过滤推荐算法测评指标RMSE均方根误差 MAE平均绝对误差

基于用户与基于项目的协同过滤推荐算法对比试验代码实现 协同过滤推荐算法测评指标RMSE均方根误差 MAE平均绝对误差

一、实现原理和步骤

1、使用movielens数据集（943个用户，1682部电影，80000条评分数据）；
2、构建用户-电影评分矩阵；
3、数据统计分析；
4、冷启动推荐；
5、输入用户id（1-943）；
6、基于用户的协同过滤推荐算法；
7、基于项目的协同过滤推荐算法；
8、计算推荐算法测评指标rmse值。

二、实现代码

1、项目目录

2、项目运行主方法


3、项目常量

4、构建用户-项目评分矩阵

5、数据统计与分析

6、冷启动推荐
7、基于用户的协同过滤推荐算法

8、基于项目的协同过滤推荐算法

9、协同过滤推荐算法测评指标RMSE

三、运行结果

1、初始化

2、用户-项目评分矩阵输出

3、数据统计与分析结果

4、冷启动推荐结果

5、部分用户相似度

6、基于用户的协同过滤推荐算法结果

7、部分项目相似度

8、基于项目的协同过滤推荐算法结果与测评指标RMSE

作者专业长期研究各种协同过滤推荐算法，欢迎留言、私信互相交流学习，后续会不断更新不同的协同过滤推荐算法，欢迎关注。