python+django+vue.js个性化电影推荐系统项目实战 在线电影/视频/影视/电视剧推荐系统设计与开发 前后端分离 流行度热点推荐 兴趣标签推荐 协同过滤推荐 基于内容推荐 机器深度学习

python+django+vue.js个性化电影推荐系统项目实战 在线电影/视频/影视/电视剧推荐系统设计与开发 前后端分离 流行度热点推荐 兴趣标签推荐 协同过滤推荐 基于内容推荐 机器学习 深度学习 爬虫MovieRecommenderPy

一、项目简介

1、开发工具和使用技术

Pycharm、vscode集成开发工具，nodejs18.0及以上版本，python3.0及以上版本，mysql5.7及以上版本，navicat数据库管理工具，django后端框架，vue3前端框架，vue-router路由组件，pinia状态管理组件，element plus组件，echarts可视化图表组件等。

2、实现功能

用户首页：http://localhost:5173/
管理员首页：http://localhost:8000/admin
管理员账号：admin 管理员密码：admin

前台用户功能：登录、注册、忘记密码、用户标签、电影筛选、电影榜单、流行度热点推荐、精彩推荐（协同过滤）、标签推荐、相关推荐（基于内容）、电影数据分析、电影点赞、电影收藏、电影评分、电影评论、浏览历史、修改信息、修改密码等；
后台管理员功能：登录、可视化数据分析、电影管理、电影类型管理、用户管理、用户标签管理、点赞管理、收藏管理、评分管理、评论管理、浏览历史管理、管理员管理等。

首页精彩推荐：
用户未登录：基于流行度的热点推荐，推荐所有用户偏好值高的电影；
用户已登录：基于用户的协同过滤推荐算法，用户电影偏好数据，如果没有推荐结果（冷启动和数据稀疏性），用户标签推荐。

电影相关推荐：
基于内容的推荐算法
基于内容的推荐算法原理：
1、使用jieba分词工具提取当前电影的特征文本；
2、计算特征文本的权重值；
3、提取topN个权重值最高的特征文本；
4、推荐电影，包含特征文本的电影。

可视化数据分析：饼状图、词云图、柱状图。

电影数据：爬取豆瓣电影网站的电影数据。

3、开发步骤

一、需求分析
主要是分析需要实现的功能、确定开发工具及技术等。例如：前台用户需要有登录、注册、退出登录、搜索电影、电影评分、个性化推荐等，后台管理员需要有登录、用户管理、电影管理、电影类型管理等。Django后端框架、vue前端框架、mysql数据库技术的选择等。
二、数据库设计
数据库设计使用navicat数据库管理工具，可通过sql语句脚本生成数据库表，也可以直接操作新建表设计表等。注意主外键关联设计，例如：评分记录表需要外键关联用户表和电影表。
三、前端vue框架搭建
在cmd中使用nodejs命令：node create vue@latest，可快速创建一个vue框架项目，同时使用了vue-router路由插件、pinia状态管理插件、axios数据请求插件、echarts可视化插件和element plus等插件，其中element plus的ui组件用于设计html页面。
四、后端django框架搭建
在pycharm中可快速搭建django后端框架。
五、功能开发
具体功能的实现，商业项目开发时，前后端由不同的开发人员实现，并根据开发文档实现数据接口处理，一般的项目可以是设计一个前端页面同时实现一个后端数据接口。首先是进行前台用户首页的开发，其次是电影详情，然后是用户注册、登录等，接着是用户的评分、修改信息等，然后是进行管理员功能的开发，最后是进行前台用户的个性化推荐功能实现。
六、系统测试
主要是进行bug修改，推荐算法测试。

二、项目展示

三、代码展示及运行结果

专业长期研究java、python推荐算法（基于内容、协同过滤、关联规则、机器学习、深度学习等）、大数据等，欢迎留言、私信互相交流学习，后续会不断更新，欢迎关注。