刘翔退赛了,我哭了

 中午看着慢吞吞的网速急死了,刘翔就要比赛了,自从大四那年和爸一起在现在看了刘翔的比赛,就开始喜欢这个和我年龄差不多的小伙子了,感觉很真实,不像一些明星矫揉造作,让人讨厌。

 

在呆告诉我刘翔退赛时真的很震惊,就像吞了一块很大的肉还没开始消化,没办法接受。然后就是疯狂的访问网站,希望能得到一些讯息,可能每个人都是一个想法吧,直到午饭以后网速才稍微好了那么一点点。

 

利用平时午睡的时间看了刘翔热身的视频,感觉他很难得。可能自己是个经不起疼痛的人吧,无法想象脚后跟都发炎起肿了,如何发力,又怎么赛跑呢

 

看着那些视频,感觉眼眶有点发热,就去他的博客上转了下。挺可爱的,就像一个亲切的大哥哥和你面对面的交流,可能这也是刘翔这么受欢迎的原因吧,没有任何的避讳,想说什么就说什么,就这点让我很欣赏。

基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算与所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值