基于Django的歌曲推荐系统（协同过滤算法+深度学习）

毕业设计--基于Django的歌曲推荐系统（深度学习+协调）

说明
新手建议结合pycharm使用，https://www.jetbrains.com/pycharm/，下载专业版试用30天。
注册普通用户通过web界面来设置，创建创建用户通过creeatsuperuser创建。下文有详细命令
导入歌曲信息通过insert_movies_script.py来操作 (会删除已有的所有信息!)
前端展示 浏览最多，评分最多，收藏最多，写的比较直白，你可以改的委婉点: 最热歌曲，火爆排行…之类的。每种有10条。
我猜你喜欢为基于用户推荐，item推荐为基于项目推荐。两种推荐思路下文有介绍

系统采用的技术
前端: bootstrap3 css 框架 后端: django 2.2.1 + sqlite3数据库 (MVC框架) 数据: python异步爬虫从豆瓣top250抓取数据，保存到本地csv文件中 主要功能: 录入图书信息，用户打分，歌曲标签分类，歌曲推荐，歌曲分享，歌曲收藏，后台管理系统。 整体采用MVC架构，前端页面通过django template模板来实现，实现了模板的复用功能。同时前端页面的组织结构较为清晰。

推荐算法思路
通过协调过滤计算和其他用户的距离，然后进行筛选。如果用户数量不足，推荐数目不够15条，就会自动从 所有未打分的歌曲中按照浏览数降序选一部分填充进去。

基于用户的推荐
用户需要给歌曲打分。通过用户已打分的部分来计算相似度,如果用户未打分，或者没有其他用户，则按照浏览数降序返回。
通过pearson算法来计算用户之间的距离，找到距离最近的N个用户。将这些用户中已打分的歌曲(且要推荐的用户未看过的部分)返回。
基于item的推荐
计算物品相似度矩阵
遍历当前用户已打分的item，计算和未打分的item的相似距离。
对相似距离进行排序 返回
主要实现的功能
登录注册页面
基于协同过滤的歌曲的分类，排序，搜索，打分，排序功能。
基于协同过滤的周推荐和月推荐
观影分享会等活动功能，用户报名功能 (需要额外添加)
发帖留言论坛功能 (要额外添加)
基于spark的ALS算法 (要额外添加)
Mysql适配
movielens数据集适配
歌曲模型
浏览量 每次刷新页面的浏览数
收藏量 user manytomany field 每个用户收藏一次
评分 rate 每个用户评分一次
在歌曲下面的评论加点赞功能

---

** 绿泡泡： JavaRui666
企鹅：1245567479**