数据挖掘常用数据集，包括GroupLens_MovieLens 3套数据集，100k、1m、10m的数据。跟官网数据一致，解决官网下载速度特别慢的问题https://grouplens.org/datasets/movielens/

非常出名的movielens数据集，已转过格式，原先的文本格式只使用linux，转换后的可以在windows下使用~

Movielens数据集，内含10万条用户-电影评分。学习推荐系统，机器学习算法必备。

MovieLens 1M数据集

MovieLens 100k,1M数据集 ,内涵中文文档（中文ReadeMe）介绍数据（友情提示：请用Notepad++打开）

https://blog.csdn.net/qq_39321513/article/details/118705219 我这篇博客里用到的 是我对movielens-20m数据集经过处理后的

These files contain 1,000,209 anonymous ratings of approximately 3,900 movies made by 6,040 MovieLens users who joined MovieLens in 2000.

MovieLens-100k协同过滤推荐算法数据集

BookCrossing数据集包含278858个用户对271379本书进行的评分，包括显式和隐式的评分。本数据集主要包含2中文件格式，sql和csv，方便不同需求的用户使用。

本文主要介绍基于用户的协同过滤推荐算法的推荐原理、推荐过程、代码实现。 一、基于用户的协同过滤推荐算法推荐原理 基于用户的协同过滤推荐算法是协同过滤推荐算法中最简单、最传统的推荐算法，是根据用户对项目的某一种操作行为，为目标用户找到操作行为相同或者相似的用户，这些操作行为相同或者相似的用户称之为目标用户的近邻用户，然后在这些近邻用户中找出目标用户没有操作行为同时近邻用户同时有操作行为的项目，最后将这些项目推荐给目标用户，作为目标用户感兴趣的项目。 二、基于用户的协同过滤推荐算法推荐过程 基于用户的协同过滤推荐算法推荐过程可分为四个步骤：构建用户-项目操作行为矩阵、计算用户之间似度、得到目标用户