django+vue2实现教务管理成绩可视化

eryngol

已于 2024-06-23 19:43:44 修改

阅读量327

点赞数 11

文章标签： django python 后端

于 2024-06-23 19:33:30 首次发布

本文链接：https://blog.csdn.net/m0_53653974/article/details/139904357

版权

1、技术选择

前端框架：vue2
后端框架：django
可视化：Echarts
前后端分离：DRF
数据库MySQL8.0

2、功能模块

3、具体功能界面

3.1、登录界面

登录使用到了JWT框架，部分代码如下：

from rest_framework_jwt.settings import api_settings
from rest_framework_jwt.views import JSONWebTokenAPIView, ObtainJSONWebToken, RefreshJSONWebToken, VerifyJSONWebToken
from datetime import datetime
from rest_framework.response import Response
from rest_framework import status

class MyJSONWebTokenAPIView(JSONWebTokenAPIView):
    def post(self, request, *args, **kwargs):
        serializer = self.get_serializer(data=request.data)
        print('user----------------', serializer)
        if serializer.is_valid():
            user = serializer.object.get('user') or request.user
            print(f'序列化之后的用户信息：--> {user}')
            token = serializer.object.get('token')
            response_data = jwt_response_payload_handler(token, user, request)
            response = Response(response_data)
            if api_settings.JWT_AUTH_COOKIE:
                expiration = (datetime.utcnow() +
                              api_settings.JWT_EXPIRATION_DELTA)
                response.set_cookie(api_settings.JWT_AUTH_COOKIE,
                                    token,
                                    expires=expiration,
                                    httponly=True)
            return response
        error_data = jwt_response_payload_error_handler(serializer, request)
        return Response(error_data, status=status.HTTP_200_OK)

3.2、管理员端

3.2.1、用户管理

3.2.2、信息管理

3.2.3、视频和文档管理

3.3、学生端

3.3.1、首页

3.3.2、课程信息

3.3.3、选课及推荐

3.3.4、视频播放及推荐

视频推荐使用基于用户的协同过滤推荐算法，部分代码如下：

def get_recommendations(student_id):
    # 获取所有用户的点击数据
    student_id = int(student_id)
    all_clicks = VideoClick.objects.all()
    # 创建用户-视频点击矩阵
    user_video_matrix = defaultdict(lambda: defaultdict(int))
    for click in all_clicks:
        user_video_matrix[click.student_id][click.video_id] += 1
    # 获取当前用户的点击向量
    target_user_clicks = user_video_matrix[student_id]
    print(f"Target User Clicks for student_id {student_id}: {target_user_clicks}")
    # 如果目标用户没有点击记录，则推荐最热门的视频
    if not target_user_clicks:
        print(f"No clicks found for student_id {student_id}. Recommending popular videos.")
        # 获取点击量最高的视频
        popular_videos = VideoClick.objects.values('video_id').annotate(click_count=Count('video_id')).order_by('-click_count')[:4]
        recommended_videos = [video['video_id'] for video in popular_videos]
    else:
        # 计算所有其他用户与当前用户的相似度
        def cosine_similarity(vec1, vec2):
            if len(vec1) == 0 or len(vec2) == 0:
                return 0
            vec1, vec2 = np.array(vec1), np.array(vec2)
            dot_product = np.dot(vec1, vec2)
            norm_a = np.linalg.norm(vec1)
            norm_b = np.linalg.norm(vec2)
            if norm_a == 0 or norm_b == 0:
                return 0
            return dot_product / (norm_a * norm_b)