基于电影评分和用户属性的协同过滤混合推荐算法实现（附源代码）
基于用户评分和用户属性的协同过滤混合推荐算法实现
一、基于用户评分的协同过滤推荐算法
实现步骤：
1、构建用户-电影评分矩阵（movielens数据集），如下图：
2、计算目标用户与其他用户的相似度，如下图：
3、获取KNN个最近邻，如下图：
4、计算推荐结果，如下图：
二、基于用户评分的协同过滤推荐算法
实现步骤：
1、构建用户-性别矩阵（movielens数据集），用户属性可以是多个，如下图：
2、计算目标用户与其他用户的相似度，如下图：
3、获取KNN个最近邻，如下图：
4、获取推荐结果。查询目标用户中没有评分的，同时最近邻中有评分的电影，并付默认值。
三、加权混合推荐
首先将两种算法的预测值*加权并相加，然后将加权后的预测值进行冒泡排序，最后根据预测值大小得到前N个推荐电影。
项目源代码：https://download.csdn.net/download/u011291472/11967745