摘  要
在这个数据信息无处不在的时代,如何对这些数据进行获取并进行相应的分析成了众多人的研究的课题.本文针对这一现状,对机器学习相关的推荐系统做了一些简单的概述.通过对机器学习在推荐系统上用的一些技术和思想进行解析,让更多的人了解什么是大数据,什么是机器学习.最为重要的一点是让大家了解机器学习对我们的日常所产生的深远影响.
关键词：机器学习 推荐系统 大数据 数据挖掘 Python
Abstract
In this era of ubiquitous data and information, how to obtain and analyze these data accordingly has become the research topic of many people. For this situation, we give some simple overview of machine learning-related recommendation systems. By analyzing some techniques and ideas used in machine learning on recommendation systems, more people can know what big data is and what machine learning is. The most important thing is to understand the profound impact of machine learning on our daily life.
Key words: machine learning recommendation system big data data mining Python
目录
一． 引言 1
二．  准备 2
一． 软件工程语言选择 2
二． 服务器的选取 2
三． 搜索服务 5
一． 搜索服务软件目录结构 5
二． 搜索服务功能 6
三． SPARQL语句分析 7
四． 经验与收获 8
五． 不足 8
六． 所需配置的环境与包 8
四．推荐功能服务 9
一．功能介绍 9
二． 推荐服务的目录结构 11
三． 推荐服务的逻辑流程 11
四． SPARQL分析 12
五． 经验与收获 13
六． 不足 14
七． 环境组件 14
五．基于机器学习的推荐算法分析 15
一．  基于机器学习的推荐算法分析 15
二． User-based算法与Iter-based算法对比 15
三． Item-based算法详细过程 16
四． Surprise库的介绍 17