计算机毕业设计Python+Tensorflow小说推荐系统 K-means聚类推荐算法 深度学习 Kears 小说数据分析 可视化 Scrapy爬虫 协同过滤

一、简介

 本系统基于推荐算法给用户实现精准推荐图书。

 根据用户对物品或者信息的偏好，发现物品或者内容本身的相关性，或者是发现用户的相关性，然后再基于这些关联性进行推荐，种被称为基于协同过滤的推荐。

 本系统使用了三种推荐算法：基于用户的协同过滤算法、基于物品的协同过滤算法、基于机器学习k-means聚类的过滤算法，以及三种算法的混合推荐算法。

 主要功能如下图：

二、使用到的技术

 开发语言是python3.7，框架是Django3.0,采用的是djanog前后端相结合的技术，后台管理系统是xadmin,数据库是Mysql5.7。

1、Django的MTV架构

 所谓MTV就是：数据模型(M)-前端界面(T)-调度控制器(V).

用户在浏览器发起一个请求：通过V对M和T进行连接，用户通过T(界面)对服务器进行访问（发送请求），T把请求传给V(调度)，V调用M(数据模型)获取数据，把数据给模板T进行渲染，然后再把渲染后的模板返回给用户。
MTV框架是一种 把业务逻辑、数据、界面显示分离而设计创建的Web应用程序的开发模式。在web开发中应该尽量使代码高内聚低耦合，这样利于代码复用、维护、管理，MTV框架就是这样分层的。
M对应于Model，即数据模型（数据层），用于管理数据库，对数据进行增删改查；
T对应于视图，template(即T),模板，用于管理html文件，呈现给用户的界面；
V对应于控制层，views(即V),视图调度器，用于访问数据层，获取数据，把数据调度给模板进行渲染，把渲染的结果返回给客户端。
MTV框架的大体流程是：
1、客户端发起请求，路由对客户发起的请求进行统一处理和分发给控制层；
2、控制层获取请求，访问数据层；
3、数据层对数据进行增删改查，把数据返回给控制层；
4、控制层获取数据，把数据调度给视图(模板)；
5、视图(模板)对数据进行渲染，形成html文件返回给控制层；
6、控制层把渲染后的视图(模板)返回给客户端。

三、开发流程

 1、环境搭建：创建虚拟环境、创建数据库

 2、创建数据库模型：用户表、图书标签表、用户选择类型表（用户解决推荐算法冷启动问题）、借书清单表、购书清单表、评分表、收藏表、点赞表、评论表、推荐反馈表。然后数据迁移，把表映射到数据库中。

 3、爬取数据，然后把数据经过预处理存放到数据库中。

 4、编写用户界面框架，完成各种功能点击响应事件

 5、编写后台管理文件，管理数据。

 6、系统测试，检验完成的功能。

具体开发过程可以查看【开发文档.pdf】

四、主要功能