python+vue+elementui电影个性化推荐系统django协同过滤算法

近年来，互联网与移动终端的普及,网络上的电影娱乐信息数量海量增加,用户对电影个性化服务的需求日益旺盛。设计电影个性化推荐系统，推荐服务能够挖掘用户信息、电影项目信息间隐藏的关联性,从而发现用户的潜在兴趣,将用户可能感兴趣的影视片推荐给用户，通过计算机技术与网络技术能够为人们提供更多的便利与服务。
前端技术：nodejs+vue+elementui,基于MVVM框架.

协同过滤（collaborative filtering）是个性化影片推荐系统的核心，简单来说是利用兴趣相投的群体的喜好来给目标用户做出推荐，实质上也是信息过滤的过程，协同过滤算法的前提假设是：
1.    用户对项目的评分在一定程度上反映其兴趣爱好。如果用户对项目评分高，则表明用户喜欢此项目，反之亦然。
2.    用户的兴趣多种多样，任何一个用户都有自己的兴趣，而且用户与其他用户存在或多或少的兴趣差异。
3.    用户对未评分项目的打分与其近邻的评分相似。

了解掌握协同过滤算法，使用户在浏览系统时能够较为准确的推荐用户喜欢的相关项目。

该系统应具有以下功能和特点：
本系统主要实现：登录管理、影片管理、标签管理、评分管理、收藏管理、用户管理、评论管理。
1.    用户登录时可设置自己的兴趣爱好，例如喜欢哪个国家的电影或者哪种类型的电影。
2.    管理员负责对系统数据库中的影片进行更新，及时修改网站中的影片信息，让用户浏览到最新时间、最全面、最准确的电影信息，并且用户可以在短时间内搜索到最适合本人的影片信息。
3.    对于不同影片，用户可为影片添加上标签，并且可增添删除相关标签，标签的作用类似于分类，用户根据个人感想对影片加上不同标签，方便用户对影片的查询。
4.    观影之后，用户可在评论栏内查看其它用户对该影片的评论，并可在评论内写下自己的想法，同时也可以被其他用户查看和参考，方便用户之间信息交流。
5.    每个影片都有一个可供观影者查看参考的综合分数，每个用户也可给影片进行打分，分数1到10。

 

6.    UI设计要求遵循Material Design设计规范，简洁、易于操作、用户体验好
软件运行稳定，资源占用少，电量消耗低，不使用不需要的权限，无恶意唤醒等降低用户体验的行为。