当前位置:   article > 正文

Python+Django+Mysql+协同过滤推荐算法开发个性化图书推荐系统 在线图书推荐系统开发简单教程 基于用户的协同过滤推荐算法 基于用户属性的粗粒度推荐 可视化数据分析

Python+Django+Mysql+协同过滤推荐算法开发个性化图书推荐系统 在线图书推荐系统开发简单教程 基于用户的协同过滤推荐算法 基于用户属性的粗粒度推荐 可视化数据分析

Python+Django+Mysql+协同过滤推荐算法开发个性化图书推荐系统 在线图书推荐系统开发简单教程 基于用户的协同过滤推荐算法 基于用户属性的粗粒度推荐 可视化数据分析PersonalizedBookRecSystemPy

一、项目简介

1、开发工具和使用技术

Python3及以上版本,Django3.6及以上版本,mysql8,navicat数据库管理工具或者sqlyog数据库管理工具,html页面,javascript脚本,jquery脚本,echarts.js可视化图表工具,自定义星星评分功能(使用font-awesome星星图标字体)等。

2、实现功能

前台首页地址:http://127.0.0.1:8000/
后台首页地址:http://127.0.0.1:8000/admin
管理员账号:admin 管理员密码:admin

前台用户包含:登录、注册、忘记密码、退出登录、搜索图书、浏览图书、修改信息、密码修改、用户评分、用户收藏、用户评论、用户点赞、可视化排行榜、个性化推荐等功能;

后台管理员包含:图书类型管理、图书管理、用户管理、用户评分管理、用户收藏管理、用户评论管理、用户点赞管理、用户浏览管理、用户喜好管理、管理员管理等。

个性化推荐:
游客(用户未登录):热门推荐(推荐用户喜好较高的图书);
用户(用户已登录):
基于用户的协同过滤推荐算法,根据用户喜好数据;
如果基于用户的协同过滤推荐算法没有推荐结果(冷启动和数据稀疏性问题造成没有推荐结果),采用基于用户属性的热门推荐(推荐与登录用户相同性别、年龄范围下的用户喜好较高的图书,这是粗粒度的个性化推荐,也有较好效果);
如果基于用户属性的热门推荐没有推荐结果(项目刚上线,用户数据较少造成没有推荐结果),采用热门推荐(推荐用户喜好较高的图书)。

喜欢这部图书的人也喜欢:
先找到对当前图书有喜好值的用户,再找到这些用户下平均喜好值比较高的图书。

排行榜:
使用echarts.js组件实现柱状图和饼状图可视化效果。
用户点赞Top20:点赞量较高的前20个图书。
用户喜好图书类型:有用户喜好的图书中,图书类型的平均喜好值。

图书数据来源:爬取豆瓣图书网站

3、开发步骤

一、设计思路
先进行需求分析,得出需要实现的功能,
再进行数据库表的设计,数据表通过主外建实现关联关系
然后是页面设计,页面设计使用自定义html样式
接着是系统代码的开发,基础功能实现后是进行算法实现

二、框架描述
开发框架使用经典的django框架,这也是python web开发的主流框架
采用了MTV的框架模式,即模型M,视图V和模版T,
通过pycharm创建一个新的django框架项目,pycharm会生成django的基本配置,
直接运行后就可以在浏览器访问django默认首页
我们只是在生成的框架中添加自定义模块功能

django框架工作流程
1、用manage .py runserver 启动Django服务器时就载入了在同一目录下的settings.py。
该文件包含了项目中的配置信息,如前面讲的URLConf等,
其中最重要的配置就是ROOT_URLCONF,
它告诉Django哪个Python模块应该用作本站的URLConf,
默认的是urls.py
2、当访问url的时候,Django会根据ROOT_URLCONF的设置来装载URLConf。
3、然后按顺序逐个匹配URLConf里的URLpatterns。
如果找到则会调用相关联的视图函数,并把HttpRequest对象作为第一个参数(通常是request)
4、最后该view函数负责返回一个HttpResponse对象。

三、数据库的设计
数据库设计是使用navicat来创建,操作非常简便

四、算法的实现都是使用python常规函数,严格按照算法步骤实现(算法步骤代码注释很详细)

二、项目展示

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

三、代码展示及运行结果

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

专业长期研究java、python推荐算法(基于内容、协同过滤、关联规则、机器学习等)、大数据等,欢迎留言、私信互相交流学习,后续会不断更新,欢迎关注。
本文内容由网友自发贡献,转载请注明出处:https://www.wpsshop.cn/w/从前慢现在也慢/article/detail/193059
推荐阅读
相关标签
  

闽ICP备14008679号