KnifeREC 推荐系统，使用lda,lightfm,deepctr等主流推荐模型

使用Selenium爬虫技术获取**新闻数据作为本项目的新闻数据库，神经网络的设计中采用文本卷积神经网络，对用户信息和部分新闻信息等结构化数据和文本类型的非结构化数据进行学习，回归预测各用户对当前各新闻的点击量数据，使用Flask框架完成Web开发。

数据集：TIktok，Amazon，allrecipec，主页内多模态推荐相关仓库所需的数据集均可从此处获取

实习资讯查询，就业面试预约，实现学生与企业直接沟通。

电商推荐系统项目，包括离线推荐与实时推荐两部分

基于Doc2Vec模型构建的图书推荐系统

这是一个Spark项目，使用了修改过的亚马逊电商数据集，该数据集在推荐系统领域具有知名度。以电商网站真实业务数据架构为基础，构建了一套一体化的电商推荐系统。该系统包含离线推荐与实时推荐体系，综合运用了协同过滤算法和基于内容的推荐方法，以提供混合推荐。项目涵盖了前端应用、后台服务、算法设计实现、平台部署等多方面的业务实现。

标准因子分解机模型的构建

基于spark的离线、实时电商推荐系统，提供前端展示