Django学习八(推荐)

一、模型

1.先创建工程
2.创建数据库表（用户表，图书表，点击表）makemigrations migrate

二、推荐

1.推荐算法

• a.内容关联算法：推荐类似，没有新意。
• b.协同过滤算法：推荐类似的口味，比较智慧，但需要大量数据。

2.导入数据
3.训练模型

• a.定义：隐性（评分）和显性（浏览、点击）
• b.函数：隐性（train）和显性（trainImplicit）
• c.思路：（和电影推荐类似(只是函数不同，电影是根据评分)）
• 数据是前端用户点击数据
• 训练模型
• 保存模型
• 加载（调用）模型：使用redis（使用用户登录的状态session、调用模型）来缓存，推荐会随时间和用户点击变化

三、前端

1.创建表：
models.py

class hits(models.Model):
    userid=models.IntegerField(default=0)
    bookid=models.IntegerField(default=0)
    hitnum=models.IntegerField(default=0)
    def __str__(self):
        return str(self.userid)
    class Meta:
        verbose_name = "点击量"
        verbose_name_plural = "点击量"

2.记录点击量
views.py
学习中…

四、代码

训练代码

from pyspark import SparkContext
from pyspark.streaming import StreamingContext
from pyspark.mllib.recommendation import ALS, MatrixFactorizationModel
from pyspark.sql import SparkSession
sc = SparkContext()
sc.setLogLevel("WARN")

txt = sc.textFile('hit.txt')
ratingsRDD = txt.flatMap(lambda x: x.split()).map(lambda x: x.split(','))
sqlContext = SparkSession.builder.getOrCreate()
from pyspark.sql import Row
user_row = ratingsRDD.map(lambda x: Row(
    userid=int(x[0]), bookid=int(x[1]), hitnum=int(x[2])
))
user_df = sqlContext.createDataFrame(user_row)
user_df.registerTempTable('test')
datatable = sqlContext.sql("select userid, bookid,sum(hitnum) as hitnum  from test group by userid,bookid")
bookrdd = datatable.rdd.map(lambda x: (x.userid, x.bookid, x.hitnum))
model = ALS.trainImplicit(bookrdd, 10, 10, 0.01)
import os
import shutil
if os.path.exists('recommendModel'):
    shutil.rmtree('recommendModel')
model.save(sc, 'recommendModel')

加载和推荐4个

 from pyspark import SparkContext
from pyspark.streaming import StreamingContext
from pyspark.mllib.recommendation import ALS,MatrixFactorizationModel
from pyspark.sql import SparkSession
import redis
pool = redis.ConnectionPool(host='192.168.43.50', port=6379)
redis_client = redis.Redis(connection_pool=pool)
sc = SparkContext()
sc.setLogLevel("WARN")
def redisOp():
    redis_client.set(1,'b')
    print(redis_client.get(1))
def getRecommendByUserId(userid,rec_num):
    try:
        model=MatrixFactorizationModel.load(sc,'recommendModel')
        result=model.recommendProducts(userid,rec_num)
        temp=''
        for r in result:
            temp+=str(r[0])+','+str(r[1])+','+str(r[2])+'|'
        redis_client.set(userid,temp)
        print('load model success !')
    except Exception as e:
        print('load model failed!'+str(e))
    sc.stop()
if __name__ == '__main__':
    getRecommendByUserId(7,4)
    print(redis_client.get(5))

五、推荐数据

大概思路理清了，但是感觉存在很多缺点