django基于大数据的电影推荐系统-计算机毕业设计源码71246

首先，通过收集用户的电影观看历史、评分、点击记录等数据，建立了一个包含海量信息的电影数据库。其次，运用数据挖掘和机器学习算法，分析用户的行为模式和喜好，从而实现精准的个性化推荐。本研究采用了协同过滤等推荐算法，并将其与传统的推荐方法做了对比实验。实验结果表明，基于大数据的电影推荐系统在推荐准确度和用户满意度方面均取得了显著的提升。

电影推荐系统基于Python语言、MySQL数据库和Django框架进行电影推荐系统的设计与实现研究。通过使用Python语言的强大功能和灵活性，结合Django框架的优势以及MySQL数据库的高效数据存储和管理能力，我们将开发一个功能全面、高效可靠的电影推荐系统。本研究的成果不仅可以为电影推荐系统的设计和应用提供参考，还对其他基于大数据的个性化推荐系统具有一定的借鉴意义。未来的研究可以进一步完善算法和模型，以提高系统的推荐效果和用户体验。

关键词：Django；电影推荐系统；爬虫；大数据清洗

Abstract

Movie recommendation systems are playing an increasingly important role in the current digital age, helping users discover and choose movies that match their interests and preferences. This study aims to explore the design and implementation of a movie recommendation system based on big data technology.

Firstly, a movie database containing a massive amount of information was established by collecting data such as user movie viewing history, ratings, and click records. Secondly, using data mining and machine learning algorithms to analyze user behavior patterns and preferences, in order to achieve accurate personalized recommendations. This study employed collaborative filtering and other recommendation algorithms, and conducted comparative experiments with traditional recommendation methods. The experimental results show that the movie recommendation system based on big data has achieved significant improvements in recommendation accuracy and user satisfaction.

The movie recommendation system is designed and implemented based on Python language, MySQL database, and Django framework. By utilizing the powerful features and flexibility of Python language, combined with the advantages of Django framework and the efficient data storage and management capabilities of MySQL database, we will develop a comprehensive, efficient, and reliable movie recommendation system. The results of this study can not only provide reference for the design and application of movie recommendation systems, but also have certain reference significance for other personalized recommendation systems based on big data. Future research can further improve algorithms and models to enhance the recommendation performance and user experience of the system.

Keywords:Django; Movie recommendation system; Reptiles; Big data cleaning

1 绪论

1.1 选题背景与意义

在当今数字化时代，大数据技术的发展正在以前所未有的速度改变着我们的生活方式和商业模式。其中，电影产业也不例外，随着互联网的普及和在线视频平台的兴起，观众对于电影的需求和选择变得更加多样化和个性化。然而，面对数以万计的电影作品，观众往往会感到困惑和无所适从。在这种情况下，电影推荐系统成为了解决这一问题的有效手段之一。

传统的电影推荐系统主要依靠基于内容的过滤或者简单的协同过滤算法进行推荐。然而，这些方法往往存在一定的局限性，基于内容的过滤需要对电影内容进行精细的标签化，而简单的协同过滤算法容易出现冷启动和稀疏性等问题。随着互联网的发展和用户行为数据的不断积累，基于大数据的协同过滤算法逐渐成为了电影推荐系统的新趋势。

本研究旨在探讨基于大数据的协同过滤算法在电影推荐系统中的应用与优化。具体来说，基于大数据的协同过滤算法能够更好地挖掘用户行为数据和电影特征之间的关联，从而提高推荐的准确度和个性化程度，使得用户能够更快速地找到符合自己口味的电影。大数据技术能够有效地处理海量用户行为数据，从而克服传统协同过滤算法中存在的冷启动和稀疏性问题，提高推荐系统的鲁棒性和可用性。通过对大数据处理和算法优化的研究，可以进一步提高推荐系统的性能和效率，使得系统能够更好地应对高并发和大规模用户访问的挑战。

综上所述，本研究对于提升电影推荐系统的用户体验、促进电影产业发展具有重要的理论和实践意义。同时，通过对大数据技术在电影推荐领域的深入探讨和应用，也能够为相关领域的研究和实践提供借鉴和参考。

1.2研究现状

随着互联网和数字化技术的飞速发展，人们日常生活中接触到的信息量呈指数级增长。在这个信息爆炸的时代，个性化推荐系统成为了各种在线平台必不可少的一部分，帮助用户从海量信息中筛选出符合其兴趣和偏好的内容。在这其中，电影推荐系统作为一种重要的个性化推荐系统类型，受到了广泛关注。

大数据技术的兴起为个性化推荐系统的发展提供了新的机遇。传统的电影推荐系统通常基于用户的历史行为数据和电影的内容特征进行推荐，然而，这种方法往往存在着信息不足和推荐准确度不高的问题。而协同过滤算法作为一种基于用户行为数据进行推荐的方法，能够有效地克服这些问题，成为了当前电影推荐系统中的研究热点之一。

在国外，基于大数据的协同过滤算法在电影推荐系统中得到了广泛应用和深入研究。研究者们通过挖掘用户行为数据，如用户的观影历史、评分记录等，以及电影的内容特征，如类型、演员、导演等，构建用户-电影的行为矩阵，然后利用各种协同过滤算法，如基于用户的协同过滤、基于物品的协同过滤等，对用户的喜好进行预测和推荐。同时，结合深度学习等技术，还不断提高推荐系统的准确度和用户体验。

在国内，基于大数据的协同过滤算法电影推荐系统也逐渐受到了研究者们的关注。国内的研究者们主要从算法改进、模型优化以及系统性能等方面进行研究，以提高推荐系统的准确度和实时性。此外，还有一些研究关注用户隐私保护、推荐解释等问题，致力于构建更加安全和可解释的推荐系统。

总体而言，国内外研究者们在基于大数据的协同过滤算法电影推荐系统方面取得了一系列的研究成果，但仍然存在一些挑战和问题需要进一步解决。

1.3研究内容

电影推荐系统在当今信息化时代扮演着至关重要的角色，它不仅为用户提供了个性化的服务体验，也促进了电影产业的发展。然而，传统的推荐系统在面对大规模用户和海量数据时往往存在着性能瓶颈和推荐准确度不高的问题。因此，本论文旨在通过基于大数据的协同过滤算法来构建一个更加精准和高效的电影推荐系统。

具体而言，本研究将围绕以下几个方面展开：

（1）大数据技术在电影推荐系统中的应用：分析大数据技术在电影推荐系统中的应用现状，探讨其在提升推荐效果和系统性能方面的优势。

（2）协同过滤算法的改进和优化：对传统的协同过滤算法进行深入研究，结合大数据技术，探索其在电影推荐中的改进和优化策略，提高推荐准确度和用户满意度。

（3）用户行为数据分析与挖掘：通过对用户行为数据的深度分析和挖掘，挖掘出隐藏在数据背后的用户偏好和兴趣特征，为推荐算法的个性化定制提供依据。

（4）系统设计与实现：基于以上研究内容，设计并实现一个完整的基于大数据的电影推荐系统原型，通过实验评估系统的推荐效果和性能指标。

（5）实际应用与案例研究：结合实际案例，验证所提出算法和系统在实际应用中的效果，并探讨其在电影推荐领域的应用前景和可行性。

1.4 开发环境

协同过滤算法：协同过滤算法是一种常见的推荐算法，主要基于用户的历史行为数据或物品的属性特征，通过计算用户与其他用户或物品之间的相似度，来进行个性化推荐。其核心思想包括基于用户的协同过滤和基于物品的协同过滤两种类型。

Django：Django是一个使用Python语言开发的Web应用程序框架。它提供了一种简单而强大的方式来构建复杂的网站和应用程序。通过使用Django，开发人员可以更轻松地处理数据库、创建用户界面和处理用户请求。

MySQL：作为关系型数据库管理系统，MySQL提供稳定可靠的数据存储和管理功能，适合存储电影信息数据和相关信息，与Hive进行数据交互和查询，为系统提供数据支持。

Python：作为主要的编程语言，Python在数据清洗、数据处理和分析方面具有丰富的库和工具，可与MySQL数据库进行交互，实现数据的导入、处理和导出，为系统提供灵活的数据处理功能。

SQL：结构化查询语言在Django和MySQL数据库中的应用十分重要，通过SQL语句可以实现数据的查询、筛选、聚合等操作，为系统提供强大的数据分析和查询功能。

Tableau：作为数据可视化工具，Tableau可以连接MySQL数据库，创建交互式报表和图表，直观展示电影信息趋势和分析结果，为系统提供直观、易懂的数据展示功能。

1.5论文结构与章节安排

本文共分为六章，章节内容安排如下：

第一章为引言，此章节对所设计和实现的系统的背景和状况以及意义进行详细的论述以及说明，同时进行了主要研究内容和相关技术简介，论文整体框架的结构的简要介绍。

第二章为系统需求分析，章节所做的主要的工作是对系统进行了技术、经济和操作方面可行性的分析；对系统实行了总体功能的需求、用例分析。

第三章为系统的设计，主要是对系统的功能结构进行设计，并对系统数据库的概念结构以及物理结构的设计进行了分析。

第四章就是对系统的实现，根据系统功能的划分，分别的对系统所需要实现的前台客户功能和后台管理员功能进行了分析和说明。

第五章：系统测试。主要对系统的部分界面进行测试并对主要功能进行测试

第六章：总结。

2 相关理论和技术

2.1 协同过滤算法

协同过滤算法是推荐算法中比较经典常用的一种，它主要包括基于内存的协同过滤和基于模型的协同过滤两种算法。前者主要根据用户的历史数据进行相关的推荐，它使用领域的方法又可以分为基于用户的协同过滤算法和基于物品的协同过滤算法。

（1）基于用户的协同过滤：该算法主要通过计算用户之间的相似度，找到与目标用户兴趣相似的一组用户，然后将这组用户喜欢的物品推荐给目标用户。其优点是简单易懂，但在面对大规模用户时，计算复杂度较高，性能较差。

（2）基于物品的协同过滤：该算法则是通过计算物品之间的相似度，找到用户喜欢的物品相似的一组物品，然后将这些物品推荐给用户。相比于基于用户的协同过滤，基于物品的协同过滤具有更好的性能和扩展性。

协同过滤推荐（Collaborative Filtering recommendation）是在信息过滤和信息系统中正迅速成为一项很受欢迎的技术。与传统的基于内容过滤直接分析内容进行推荐不同，协同过滤分析用户兴趣，在用户群中找到指定用户的相似（兴趣）用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度预测。

与传统文本过滤相比，协同过滤有下列优点：

（1）能够过滤难以进行机器自动基于内容分析的信息。如艺术品、音乐；

（2）能够基于一些复杂的，难以表达的概念（信息质量、品位)进行过滤；

（3）推荐的新颖性。

2.2 B/S体系结构介绍

B/S结构（Browser/Server，浏览器/服务器模式），是WEB兴起后的一种网络结构模式，WEB浏览器是客户端最主要的应用软件。这种模式统一了客户端，将系统功能实现的核心部分集中到服务器上，简化了系统的开发、维护和使用。客户机上只要安装一个浏览器，如Chrome、Safari、Microsoft Edge、Netscape Navigator或Internet Explorer，服务器安装SQL Server、Oracle、MySQL等数据库。浏览器通过Web Server同数据库进行数据交互。

在 B/S 模式中，用户是通过浏览器针对许多分布于网络上的服务器进行请求访问的，浏览器的请求通过服务器进行处理，并将处理结果以及相应的信息返回给浏览器，其他的数据加工、请求全部都是由Web Server完成的。通过该框架结构以及植入于操作系统内部的浏览器，该结构已经成为了当今软件应用的主流结构模式。

2.3 Python爬虫技术

爬虫，即网络爬虫，是通过递归访问网络资源，抓取网络中信息的技术。

网络为搜索引擎从万维网下载网页。一般分为传统爬虫和聚焦爬虫。

传统爬虫从一个或若干初始网页的URL开始，获得初始网页上的URL，在抓取网页的过程中，不断从当前页面上抽取新的URL放入队列，直到满足系统的一定停止条件。通俗的讲，也就是通过源码解析来获得想要的内容。

聚焦爬虫的工作流程较为复杂，需要根据一定的网页分析算法过滤与主题无关的链接，保留有用的链接并将其放入等待抓取的URL队列。然后，它将根据一定的搜索策略从队列中选择下一步要抓取的网页URL，并重复上述过程，直到达到系统的某一条件时停止。另外，所有被爬虫抓取的网页将会被系统存贮，进行一定的分析、过滤，并建立索引，以便之后的查询和检索；对于聚焦爬虫来说，这一过程所得到的分析结果还可能对以后的抓取过程给出反馈和指导。

2.4 Django框架介绍

Django是高水准的Python编程语言驱动的一个开源模型．视图，控制器风格的Web应用程序框架，它起源于开源社区。使用这种架构，程序员可以方便、快捷地创建高品质、易维护、数据库驱动的应用程序。这也正是OpenStack的Horizon组件采用这种架构进行设计的主要原因。另外，在Django框架中，还包含许多功能强大的第三方插件，使得Django具有较强的可扩展性。Django 项目源自一个在线新闻 Web 站点，于 2005 年以开源的形式被释放出来。

Django已经成为web开发者的首选框架，是一个遵循 MVC 设计模式的框架。MVC是Model、View、Controller三个单词的简写，分别代表模型、视图、控制器。Django其实也是一个MTV 的设计模式。MTV是Model、Template、View三个单词的简写，分别代表模型、模版、视图。但是在Django中，控制器接受用户输入的部分由框架自行处理，所以 Django 里更关注的是模型（Model）、模板(Template)和视图（Views），称为 MTV模式。

2.5 MySQL数据库

MySQL 经过多次的更新，功能层面已经非常的丰富和完善了，从MySQL4版本到5版本进行了比较大的更新，在商业的实际使用中取得了很好的实际应用效果。最新版本的MySQLl支持对信息的压缩，同时还能进行加密能更好的满足对信息安全性的需求。同时经过系统的多次更新，数据库自身的镜像功能也得到了很大的增强，运行的流畅度和易用性方面有了不小的进步，驱动的使用和创建也更加的高效快捷。最大的变动还是进行了空间信息的显示优化，能更加方便的在应用地图上进行坐标的标注和运算。强大的备份功能也保证了用户使用的过程会更加安心，同时支持的Office特性还支持用户的自行安装和使用。在信息的显示形式上也进行了不小的更新，增加了两个非常使用的显示区，一个是信息区，对表格和文字进行了分类处理，界面的显示更加清爽和具体。第二是仪表的信息控件，能在仪表信息区进行信息的显示，同时还能进行多个信息的比对，为用户的实际使用带来了很大的便捷。

3.1 可行性分析

系统可行行分析是对系统对系统可行性进行一个探讨。在探讨系统的可行性上我们主要从技术上的可行性和经济上的可行性以及法律层面的可行性上进行分析，如果三个层面都通过，我们则认为系统是比较可行的。

3.1.1 技术可行性分析

协同过滤算法是一种有效的推荐算法，可以根据用户的历史行为和偏好向用户推荐符合其口味的电影推荐服务。本文结合大数据和协同过滤算法，可以实现对用户个性化需求的精准电影推荐，提升用户体验。我们选择使用Python作为开发语言，结合相应的库和框架，如Django和Pandas，以实现系统的功能需求。Python作为一种简洁而强大的编程语言，具有丰富的库支持和成熟的开发社区，可以满足电影推荐系统的开发需求。Django作为Python的Web框架，提供了高度可扩展的开发环境，使得系统的设计和实现更加便捷和高效。

3.1.2 经济可行性分析

3.1.3 操作可行性分析

本系统实现功能的操作很简单，普通电脑的常见配置就可以运行本软件，并且只要粗通电脑使用的基本常识就可以流畅的使用本软件。电脑具备连接互联网的能力，并且可以正常访问系统，并不需要操作者有什么高超的能力，只需了解业务流程，并且按照专业知识进行正确操作即可，所以电影推荐系统具备操作可行性。

3.2 系统功能分析

3.2.1 功能性分析

电影推荐系统我划分为了普通用户模块和管理员模块这两大部分。

普通用户模块：

（1）用户注册登录：游客可以随时进入到系统中，对系统中的信息浏览，但是想要实现评分点评等操作，就必须有这个系统的账号，如果没有账号的话，可以注册普通用户进行相关的操作，同时用户还可以通过“我的”这以按钮对个人信息以及操作的信息进行管控。

（2）查看电影推荐系统的首页信息：电影推荐系统的首页信息包含了首页、网站公告、电影资讯、电影信息等。

（3）网站公告：当用户点击“网站公告”这一菜单按钮，会显示管理员在后台发布的所有的网站公告，可以查看详情。

（4）电影资讯：当用户点击“电影资讯”这一菜单按钮，会显示管理员在后台发布的所有的电影资讯，可以查看详情，进行收藏、点赞、评论等。

（5）电影信息：用户可以查看电影信息，在查询到自己想要了解的电影信息的时候，可以进入查看详细的介绍，包括电影标题、电影地区、电影类型、分类信息、电影评分、电影排名、发布日期、主要演员等信息，在电影信息详情这个界面，同时支持用户对电影进行评分点评、收藏、点赞以及评论的功能。

（6）我的账户：在前台点击“我的”下面的“我的账户”可以对个人资料+密码修改进行管控。

（7）个人中心：普通用户在前台点击“个人中心”可以对个人首页、电影评分和自己收藏的信息进行管理。

管理员管理模块：

（1）登录：管理员在后台可以输入用户名+密码进行登录，管理员的用户名和密码是在数据库中直接设定好的。

（2）公共管理：管理员点击“公共管理”菜单可以对首页展示的轮播图和网站公告信息进行管理。

（3）用户管理：管理员可以对电影推荐系统中的管理员以及前台注册的普通用户进行增删改查。

（4）资讯管理：管理员可以对电影推荐系统前台展示的电影资讯以及电影资讯所属的分类进行管控。

（5）电影类型：管理员可以通过“电影类型”模块对电影的类型进行添加和管理，包括查询、重置或删除等操作。

（6）电影爬虫：管理员执行管理电影爬虫，可以对电影数据进行查询、新增、重置或删除。点击全选可以删除12条初始数据，首先点击“爬取”按钮爬取电影数据，接着点击右侧的“发布展示”按钮对爬取的数据清洗整理，数据联动提交就可以发布在前台展示了，每次可爬取10条数据。

（7）电影信息：管理员点击“电影信息”会显示出已经数据清洗整理好的所有电影信息，如果想要添加新的电影信息，点击“添加”按钮，输入电影标题、电影地区、电影类型、分类信息、电影评分、电影排名、发布日期、主要演员等信息，点击“提交”按钮就可以添加了，同时可以选择某一条电影信息，点击“删除”进行删除，也可以对用户提交的电影评论的信息进行管控。

（8）电影评分：管理员点击“电影评分”会显示出所有用户的电影评分信息，可以对电影评分信息进行查询、新增、重置或删除。

3.2.2 非功能性分析

电影推荐系统的非功能性需求比如电影推荐系统的安全性怎么样，可靠性怎么样，性能怎么样，可拓展性怎么样等。具体可以表示在如下3-1表格中：

表3-1电影推荐系统非功能需求表

安全性	主要指电影推荐系统数据库的安装，数据库的使用和密码的设定必须合乎规范。
可靠性	可靠性是指电影推荐系统能够按照用户提交的指示进行操作，经过测试，可靠性90%以上。
性能	性能是影响电影推荐系统占据市场的必要条件，所以性能最好要佳才好。
可扩展性	比如数据库预留多个属性，比如接口的使用等确保了系统的非功能性需求。
易用性	用户只要跟着电影推荐系统的页面展示内容进行操作，就可以了。
可维护性	电影推荐系统开发的可维护性是非常重要的，经过测试，可维护性没有问题

3.3 系统用例分析

电影推荐系统的完整UML用例图分别是图3-1和图3-2。

图2-1就是普通用户角色的用例展示。

图3-1 系统普通用户角色用例图

图3-2就是管理员角色的用例展示。

图3-2 管理员角色用例图

3.4 系统流程分析

3.4.1数据流程

电影推荐系统主要的目的就是实现对电影信息的评分点评，图3-3就是系统的数据流图。

图3-3电影评分点评操作展开图

3.4.2业务流程

分析完电影推荐系统的数据流，接下来我们来看系统的业务流程，图3-4就是业务流程图：

图3-4业务流程图

3.5本章小结

本章主要通过对电影推荐系统的可行性分析、功能需求分析、系统用例分析、系统流程分析，确定整个电影推荐系统要实现的功能。同时也为电影推荐系统的代码实现和测试提供了标准。

4 电影推荐系统总体设计

经过上述的需求分析过后，已经明确了电影推荐系统的功能需求。针对各个功能需求，制定相应的技术方法与思路进行设计与实现。另外本章将以需求分析为基准，介绍系统中重要的实体类数据，确定各个功能之间的数据表关系，由此来完成数据库表设计。

4.1 系统功能模块设计

4.1.1整体功能模块设计

通过整体功能模块设计，我们将根据需求分析的结果，将系统的功能划分为不同的模块。每个模块负责实现特定的功能，并与其他模块进行协作。我们将详细定义每个模块的输入、输出、处理逻辑和相互依赖关系。电影推荐系统根据前面章节的需求分析得出，其总体设计模块图如图4-1所示。

图4-1 系统功能模块图

4.1.2用户模块设计

本系统的用户包括管理员和用户两种用户模块的功能基本是相同的，用户比管理员多了一个注册功能，所以以用户模块的结构图为例进行分析，用户模块结构图为例进行分析，如下图：

图4-2用户模块结构图

4.1.3 评论管理模块设计

电影推荐系统是一个交流性质的公开平台，用户在平台上提交评论，增加用户之间的互动性。但是同时也为了更好的规范评论的内容，给予管理员删除不合适的评论的功能，所以需要专门设计一个评论管理模块，具体的结构图如下：

图4-3评论管理模块结构图

4.1.4电影信息管理模块设计

电影推荐系统是中需要存储不少电影信息，其模块功能结构，具体的结构图如下：

图4-4电影信息模块结构图

4.1.5电影资讯管理模块设计

电影推荐系统是中需要存储不少电影资讯，其模块功能结构，具体的结构图如下：

图4-5电影资讯模块结构图

4.2 数据库设计

数据库设计一般包括需求分析、概念模型设计、数据库表建立三大过程，其中需求分析前面章节已经阐述，概念模型设计有概念模型和逻辑结构设计两部分。

4.2.1 数据库概念结构设计

下面是整个电影推荐系统中主要的数据库表总E-R实体关系图。

图4-6 系统总E-R关系图

4.2.2 数据库逻辑结构设计

通过上一小节中电影推荐系统中总E-R关系图上得出一共需要创建很多个数据表。在此我主要罗列几个主要的数据库表结构设计。

表access_token (登陆访问时长)

编号	名称	数据类型	长度	小数位	允许空值	主键	默认值	说明
1	token_id	int	10	0	N	Y		临时访问牌ID
2	token	varchar	64	0	Y	N		临时访问牌
3	info	text	65535	0	Y	N
4	maxage	int	10	0	N	N	2	最大寿命：默认2小时
5	create_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	创建时间：
6	update_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	更新时间：
7	user_id	int	10	0	N	N	0	用户编号:

表article (文章：用于内容管理系统的文章)

编号	名称	数据类型	长度	小数位	允许空值	主键	默认值	说明
1	article_id	mediumint	8	0	N	Y		文章id：[0,8388607]
2	title	varchar	125	0	N	Y		标题：[0,125]用于文章和html的title标签中
3	type	varchar	64	0	N	N	0	文章分类：[0,1000]用来搜索指定类型的文章
4	hits	int	10	0	N	N	0	点击数：[0,1000000000]访问这篇文章的人次
5	praise_len	int	10	0	N	N	0	点赞数
6	create_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	创建时间：
7	update_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	更新时间：
8	source	varchar	255	0	Y	N		来源：[0,255]文章的出处
9	url	varchar	255	0	Y	N		来源地址：[0,255]用于跳转到发布该文章的网站
10	tag	varchar	255	0	Y	N		标签：[0,255]用于标注文章所属相关内容，多个标签用空格隔开
11	content	longtext	2147483647	0	Y	N		正文：文章的主体内容
12	img	varchar	255	0	Y	N		封面图
13	description	text	65535	0	Y	N		文章描述

表article_type (文章分类)

编号	名称	数据类型	长度	小数位	允许空值	主键	默认值	说明
1	type_id	smallint	5	0	N	Y		分类ID：[0,10000]
2	display	smallint	5	0	N	N	100	显示顺序：[0,1000]决定分类显示的先后顺序
3	name	varchar	16	0	N	N		分类名称：[2,16]
4	father_id	smallint	5	0	N	N	0	上级分类ID：[0,32767]
5	description	varchar	255	0	Y	N		描述：[0,255]描述该分类的作用
6	icon	text	65535	0	Y	N		分类图标：
7	url	varchar	255	0	Y	N		外链地址：[0,255]如果该分类是跳转到其他网站的情况下，就在该URL上设置
8	create_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	创建时间：
9	update_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	更新时间：

表auth (用户权限管理)

编号	名称	数据类型	长度	小数位	允许空值	主键	默认值	说明
1	auth_id	int	10	0	N	Y		授权ID：
2	user_group	varchar	64	0	Y	N		用户组：
3	mod_name	varchar	64	0	Y	N		模块名：
4	table_name	varchar	64	0	Y	N		表名：
5	page_title	varchar	255	0	Y	N		页面标题：
6	path	varchar	255	0	Y	N		路由路径：
7	position	varchar	32	0	Y	N		位置：
8	mode	varchar	32	0	N	N	_blank	跳转方式：
9	add	tinyint	3	0	N	N	1	是否可增加：
10	del	tinyint	3	0	N	N	1	是否可删除：
11	set	tinyint	3	0	N	N	1	是否可修改：
12	get	tinyint	3	0	N	N	1	是否可查看：
13	field_add	text	65535	0	Y	N		添加字段：
14	field_set	text	65535	0	Y	N		修改字段：
15	field_get	text	65535	0	Y	N		查询字段：
16	table_nav_name	varchar	500	0	Y	N		跨表导航名称：
17	table_nav	varchar	500	0	Y	N		跨表导航：
18	option	text	65535	0	Y	N		配置：
19	create_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	创建时间：
20	update_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	更新时间：

表collect (收藏)

编号	名称	数据类型	长度	小数位	允许空值	主键	默认值	说明
1	collect_id	int	10	0	N	Y		收藏ID：
2	user_id	int	10	0	N	N	0	收藏人ID：
3	source_table	varchar	255	0	Y	N		来源表：
4	source_field	varchar	255	0	Y	N		来源字段：
5	source_id	int	10	0	N	N	0	来源ID：
6	title	varchar	255	0	Y	N		标题：
7	img	varchar	255	0	Y	N		封面：
8	create_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	创建时间：
9	update_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	更新时间：

表comment (评论)

编号	名称	数据类型	长度	小数位	允许空值	主键	默认值	说明
1	comment_id	int	10	0	N	Y		评论ID：
2	user_id	int	10	0	N	N	0	评论人ID：
3	reply_to_id	int	10	0	N	N	0	回复评论ID：空为0
4	content	longtext	2147483647	0	Y	N		内容：
5	nickname	varchar	255	0	Y	N		昵称：
6	avatar	varchar	255	0	Y	N		头像地址：[0,255]
7	create_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	创建时间：
8	update_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	更新时间：
9	source_table	varchar	255	0	Y	N		来源表：
10	source_field	varchar	255	0	Y	N		来源字段：
11	source_id	int	10	0	N	N	0	来源ID：

表hits (用户点击)

编号	名称	数据类型	长度	小数位	允许空值	主键	默认值	说明
1	hits_id	int	10	0	N	Y		点赞ID：
2	user_id	int	10	0	N	N	0	点赞人：
3	create_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	创建时间：
4	update_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	更新时间：
5	source_table	varchar	255	0	Y	N		来源表：
6	source_field	varchar	255	0	Y	N		来源字段：
7	source_id	int	10	0	N	N	0	来源ID：

表movie_crawler (电影爬虫)

编号	名称	数据类型	长度	小数位	允许空值	主键	默认值	说明
1	movie_crawler_id	int	10	0	N	Y		电影爬虫ID
2	movie_ratings	text	65535	0	Y	N		电影评分
3	movie_ranking	text	65535	0	Y	N		电影排名
4	movie_genre	text	65535	0	Y	N		电影类型
5	film_region	text	65535	0	Y	N		电影地区
6	movie_title	text	65535	0	Y	N		电影标题
7	release_date	text	65535	0	Y	N		发布日期
8	number_of_actors	text	65535	0	Y	N		演员数量
9	number_of_votes_cast	text	65535	0	Y	N		投票数量
10	movie_score	text	65535	0	Y	N		电影分数
11	leading_artist	text	65535	0	Y	N		主要演员
12	create_time	datetime	19	0	N	N	CURRENT_TIMESTAMP	创建时间
13	update_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	更新时间

表movie_genre (电影类型)

编号	名称	数据类型	长度	小数位	允许空值	主键	默认值	说明
1	movie_genre_id	int	10	0	N	Y		电影类型ID
2	film_classification	varchar	64	0	Y	N		电影分类
3	create_time	datetime	19	0	N	N	CURRENT_TIMESTAMP	创建时间
4	update_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	更新时间

表movie_information (电影信息)

编号	名称	数据类型	长度	小数位	允许空值	主键	默认值	说明
1	movie_information_id	int	10	0	N	Y		电影信息ID
2	movie_title	varchar	64	0	Y	N		电影标题
3	film_region	varchar	64	0	Y	N		电影地区
4	movie_genre	varchar	64	0	Y	N		电影类型
5	classification_information	varchar	64	0	Y	N		分类信息
6	movie_ratings	varchar	64	0	Y	N		电影评分
7	movie_ranking	varchar	64	0	Y	N		电影排名
8	movie_cover	varchar	255	0	Y	N		电影封面
9	release_date	date	10	0	Y	N		发布日期
10	leading_artist	varchar	64	0	Y	N		主要演员
11	hits	int	10	0	N	N	0	点击数
12	praise_len	int	10	0	N	N	0	点赞数
13	create_time	datetime	19	0	N	N	CURRENT_TIMESTAMP	创建时间
14	update_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	更新时间

表movie_ratings (电影评分)

编号	名称	数据类型	长度	小数位	允许空值	主键	默认值	说明
1	movie_ratings_id	int	10	0	N	Y		电影评分ID
2	movie_title	varchar	64	0	Y	N		电影标题
3	film_region	varchar	64	0	Y	N		电影地区
4	movie_genre	varchar	64	0	Y	N		电影类型
5	classification_information	varchar	64	0	Y	N		分类信息
6	movie_ranking	varchar	64	0	Y	N		电影排名
7	release_date	date	10	0	Y	N		发布日期
8	user_account	int	10	0	Y	N	0	用户账号
9	post_viewing_rating	varchar	64	0	Y	N		观后评分
10	post_viewing_comments	text	65535	0	Y	N		观后点评
11	create_time	datetime	19	0	N	N	CURRENT_TIMESTAMP	创建时间
12	update_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	更新时间

表notice (公告)

编号	名称	数据类型	长度	小数位	允许空值	主键	默认值	说明
1	notice_id	mediumint	8	0	N	Y		公告id：
2	title	varchar	125	0	N	N		标题：
3	content	longtext	2147483647	0	Y	N		正文：
4	create_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	创建时间：
5	update_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	更新时间：

表praise (点赞)

编号	名称	数据类型	长度	小数位	允许空值	主键	默认值	说明
1	praise_id	int	10	0	N	Y		点赞ID：
2	user_id	int	10	0	N	N	0	点赞人：
3	create_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	创建时间：
4	update_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	更新时间：
5	source_table	varchar	255	0	Y	N		来源表：
6	source_field	varchar	255	0	Y	N		来源字段：
7	source_id	int	10	0	N	N	0	来源ID：
8	status	bit	1	0	N	N	1	点赞状态:1为点赞，0已取消

表regular_users (普通用户)

编号	名称	数据类型	长度	小数位	允许空值	主键	默认值	说明
1	regular_users_id	int	10	0	N	Y		普通用户ID
2	user_name	varchar	64	0	Y	N		用户姓名
3	user_gender	varchar	64	0	Y	N		用户性别
4	examine_state	varchar	16	0	N	N	已通过	审核状态
5	user_id	int	10	0	N	N	0	用户ID
6	create_time	datetime	19	0	N	N	CURRENT_TIMESTAMP	创建时间
7	update_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	更新时间

表slides (轮播图)

编号	名称	数据类型	长度	小数位	允许空值	主键	默认值	说明
1	slides_id	int	10	0	N	Y		轮播图ID：
2	title	varchar	64	0	Y	N		标题：
3	content	varchar	255	0	Y	N		内容：
4	url	varchar	255	0	Y	N		链接：
5	img	varchar	255	0	Y	N		轮播图：
6	hits	int	10	0	N	N	0	点击量：
7	create_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	创建时间：
8	update_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	更新时间：

表upload (文件上传)

编号	名称	数据类型	长度	小数位	允许空值	主键	默认值	说明
1	upload_id	int	10	0	N	Y		上传ID
2	name	varchar	64	0	Y	N		文件名
3	path	varchar	255	0	Y	N		访问路径
4	file	varchar	255	0	Y	N		文件路径
5	display	varchar	255	0	Y	N		显示顺序
6	father_id	int	10	0	Y	N	0	父级ID
7	dir	varchar	255	0	Y	N		文件夹
8	type	varchar	32	0	Y	N		文件类型

表user (用户账户：用于保存用户登录信息)

编号	名称	数据类型	长度	小数位	允许空值	主键	默认值	说明
1	user_id	mediumint	8	0	N	Y		用户ID：[0,8388607]用户获取其他与用户相关的数据
2	state	smallint	5	0	N	N	1	账户状态：[0,10](1可用\|2异常\|3已冻结\|4已注销)
3	user_group	varchar	32	0	Y	N		所在用户组：[0,32767]决定用户身份和权限
4	login_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	上次登录时间：
5	phone	varchar	11	0	Y	N		手机号码：[0,11]用户的手机号码，用于找回密码时或登录时
6	phone_state	smallint	5	0	N	N	0	手机认证：[0,1](0未认证\|1审核中\|2已认证)
7	username	varchar	16	0	N	N		用户名：[0,16]用户登录时所用的账户名称
8	nickname	varchar	16	0	Y	N		昵称：[0,16]
9	password	varchar	64	0	N	N		密码：[0,32]用户登录所需的密码，由6-16位数字或英文组成
10	email	varchar	64	0	Y	N		邮箱：[0,64]用户的邮箱，用于找回密码时或登录时
11	email_state	smallint	5	0	N	N	0	邮箱认证：[0,1](0未认证\|1审核中\|2已认证)
12	avatar	varchar	255	0	Y	N		头像地址：[0,255]
13	open_id	varchar	255	0	Y	N		针对获取用户信息字段
14	create_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	创建时间：
15	vip_level	varchar	255	0	Y	N		会员等级
16	vip_discount	double	11	2	Y	N	0.00	会员折扣

表user_group (用户组：用于用户前端身份和鉴权)

编号	名称	数据类型	长度	小数位	允许空值	主键	默认值	说明
1	group_id	mediumint	8	0	N	Y		用户组ID：[0,8388607]
2	display	smallint	5	0	N	N	100	显示顺序：[0,1000]
3	name	varchar	16	0	N	N		名称：[0,16]
4	description	varchar	255	0	Y	N		描述：[0,255]描述该用户组的特点或权限范围
5	source_table	varchar	255	0	Y	N		来源表：
6	source_field	varchar	255	0	Y	N		来源字段：
7	source_id	int	10	0	N	N	0	来源ID：
8	register	smallint	5	0	Y	N	0	注册位置:
9	create_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	创建时间：
10	update_time	timestamp	19	0	N	N	CURRENT_TIMESTAMP	更新时间：

4.3本章小结

整个电影推荐系统的需求分析主要对系统总体架构以及功能模块的设计，通过建立E-R模型和数据库逻辑系统设计完成了数据库系统设计。

5 电影推荐系统详细设计与实现

电影推荐系统的详细设计与实现主要是根据前面的电影推荐系统的需求分析和电影推荐系统的总体设计来设计页面并实现业务逻辑。主要从电影推荐系统界面实现、业务逻辑实现这两部分进行介绍。

5.1前台用户功能模块

5.1.1 前台首页界面

当进入电影推荐系统的时候，系统以上中下的布局进行展示，首先映入眼帘的是系统的导航栏，下面是轮播图，再往下是电影资讯，其主界面展示如下图5-1所示。

图5-1 前台首页界面图

5.1.2 用户注册界面

电影推荐系统的游客和普通用户时可以进行注册登录，当用户右上角“注册”按钮的时候，当填写上自己的账号+密码+确认密码+昵称+邮箱+手机号等后再点击“注册”按钮后将会先验证输入的有没有空数据，再次验证密码和确认密码是否是一样的，最后验证输入的账户名和数据库表中已经注册的账户名是否重复，只有都验证没问题后即可用户注册成功。其用用户注册界面展示如下图5-2所示。

图5-2注册界面图

注册关键代码如下:

def Register(self, ctx):

print("===================注册=====================")

userService = service_select("user")

body = ctx.body

if "username" not in body and body["username"] == '':

return ctx.response(json.dumps({

"error": {

"code": 70000,

"message": "用户名不能为空",

}

}, ensure_ascii=False))

if "user_group" not in body and body["user_group"] == '':

return ctx.response(json.dumps({

"error": {

"code": 70000,

"message": "用户组不能为空",

}

}, ensure_ascii=False))

if "password" not in body and body["password"] == '':

return ctx.response(json.dumps({

"error": {

"code": 70000,

"message": "密码不能为空",

}

}, ensure_ascii=False))

post_param = body

post_param['nickname'] = body["nickname"] or ""

post_param['password'] = md5hash(body["password"])

obj = userService.Get_obj({"username": post_param['username']}, {"like": False})

if obj:

return ctx.response(json.dumps({

"error": {

"code": 70000,

"message": "用户名已存在",

}

}, ensure_ascii=False))

ret = {

"error": {

"code": 70000,

"message": "注册失败",

}

bl = userService.Add(post_param)

if bl:

ret = {

"result": {

"bl": True,

"message": "注册成功"

}

return ctx.response(json.dumps(ret, ensure_ascii=False))

5.1.3 用户登录界面

电影推荐系统中的前台上注册后的用户是可以通过自己的账户名和密码进行登录的，当普通用户输入完整的自己的账户名和密码信息并点击“登录”按钮后，将会首先验证输入的有没有空数据，再次验证输入的账户名+密码和数据库中当前保存的用户信息是否一致，只有在一致后将会登录成功并自动跳转到电影推荐系统的首页中；否则将会提示相应错误信息，用户登录界面如下图5-3所示。

图5-3用户登录界面图

用户登录关键代码如下：

def Login(self, ctx):

print("===================登录=====================")

ret = {

"error": {

"code": 70000,

"message": "账户不存在",

}

body = ctx.body

password = md5hash(body["password"]) or ""

obj = service_select("user").Get_obj(

{"username": body["username"]}, {"like": False}

)

if obj:

user_group = service_select("user_group").Get_obj({'name': obj['user_group']}, {"like": False})

if user_group and user_group['source_table'] != '':

user_obj = service_select(user_group['source_table']).Get_obj({"user_id": obj['user_id']}, {"like": False})

if user_obj['examine_state'] == '未通过':

ret = {

"error": {

"code": 70000,

"message": "账户未通过审核",

}

return ret

if user_obj['examine_state'] == '未审核':

ret = {

"error": {

"code": 70000,

"message": "账户未审核",

}

return ret

if obj["state"] == 1:

if obj["password"] == password:

timeout = timezone.now()

timestamp = int(time.mktime(timeout.timetuple())) * 1000

token = md5hash(str(obj["user_id"]) + "_" + str(timestamp))

ctx.request.session[token] = obj["user_id"]

service_select("access_token").Add(

{"token": token, "user_id": obj["user_id"]}

)

obj["token"] = token

ret = {

"result": {"obj": obj}

}

else:

ret = {

"error": {

"code": 70000,

"message": "密码错误",

}

else:

ret = {

"error": {

"code": 70000,

"message": "用户账户不可用，请联系管理员",

}

return ctx.response(json.dumps(ret, ensure_ascii=False))

5.1.4电影资讯界面

当访客点击电影推荐系统中导航栏上的“电影资讯”后将会进入到该“电影资讯”列表的界面，然后选择想要看的电影资讯，点击进入到详细界面，在详细界面可以收藏+赞+订单评价等操作。电影资讯界面如下图5-4所示。

图5-4电影资讯界面图

5.1.5 电影信息界面

当用户点击“电影信息”后就可以看到所有的电影信息，可以输入电影类型进行搜索查询，选择你想要了解的电影信息后将会进入该电影信息的详情界面，可以了解到该电影信息的电影标题、电影地区、电影类型、分类信息、电影评分、电影排名、发布日期、主要演员等，同时可以点击下方的“评分点评”、“点赞”、“收藏”进行相关操作，也可以在下方评论区输入想要评论的内容进行评论，电影信息详情展示页面如图5-5所示。

图5-5 电影信息详情界面图

电影评分页面如图5-6所示。

图5-6 电影评分界面图

提交电影评分代码如下：

def Add(self, ctx):

body = ctx.body

unique = self.config.get("unique")

obj = None

if unique:

qy = {}

for i in range(len(unique)):

key = unique[i]

qy[key] = body.get(key)

obj = self.service.Get_obj(qy)

if not obj:

error = self.Add_before(ctx)

if error["code"]:

return {"error": error}

error = self.Events("add_before", ctx, None)

if error["code"]:

return {"error": error}

result = self.service.Add(body, self.config)

if self.service.error:

return {"error": self.service.error}

res = self.Add_after(ctx, result)

if res:

result = res

res = self.Events("add_after", ctx, result)

if res:

result = res

return {"result": result}

else:

return {"error": {"code": 10000, "message": "已存在"}}

5.1.6我的账户界面

当用户点击右上角“我的”这个按钮，会出现子菜单，点击“我的账户”可以对个人的资料以及登录系统的密码进行设置管理，我的账户界面如下图5-7所示。

图5-7 我的账户界面图

5.1.7个人中心界面

前台普通用户点击右上角“个人中心”模块，可以查看和管理个人相关信息、电影评分和收藏的信息。普通用户个人中心界面如下图5-8所示。

图5-8普通用户个人中心界面

5.2后台功能模块

5.2.1公共管理界面

管理人员在“公共管理”这一菜单下是可以对电影推荐系统内的轮播图和通知公告信息进行添加修改的，轮播图管理界面如下图5-9所示。

图5-9系统轮播图管理界面图

网站公告管理界面如下图5-10所示。

图5-10网站公告管理界面图

5.2.2 用户管理界面

电影推荐系统中的管理人员在“用户管理”这一菜单是中可以对注册的普通用户以及管理员进行管控。界面如下图5-11所示。

图5-11用户管理界面图

用户列表管理代码如下：

def Get_list(self, ctx):

query = dict(ctx.query)

config_plus = {}

if "field" in query:

field = query.pop("field")

config_plus["field"] = field

if "page" in query:

config_plus["page"] = query.pop("page")

if "size" in query:

config_plus["size"] = query.pop("size")

if "orderby" in query:

config_plus["orderby"] = query.pop("orderby")

if "like" in query:

config_plus["like"] = query.pop("like")

if "groupby" in query:

config_plus["groupby"] = query.pop("groupby")

count = self.service.Count(query)

lst = []

if self.service.error:

return {"error": self.service.error}

elif count:

lst = self.service.Get_list(query,

obj_update(self.config, config_plus))

if self.service.error:

return {"error": self.service.error}

self.interact_list(ctx, lst)

return {"result": {"list": lst, "count": count}}

5.2.3资讯管理界面

管理员点击“资讯管理”菜单能够对其下子菜单电影资讯和电影资讯的分类进行增删改查。界面如下图5-12所示。

图5-12资讯管理界面图

5.2.4电影爬虫界面

管理员点击“电影爬虫”会显示出已爬取的所有电影信息。在此页面管理员执行管理电影信息列表，可以对电影信息进行查询、添加、重置或删除。点击全选可以删除12条初始数据，首先点击“爬取”按钮爬取电影数据，接着点击右侧的“发布展示”按钮对爬取的数据清洗整理，数据联动提交就可以发布在前台展示了，每次可爬取10条数据。电影爬虫界面如下图5-13所示。

图5-13电影爬虫界面图

6系统测试

6.1 系统测试用例

系统测试包括：用户登录功能测试、电影信息查看功能测试、电影评分添加、电影资讯搜索、密码修改功能测试，如表6-1、6-2、6-3、6-4、6-5所示：

用户登录功能测试：

表6-1 用户登录功能测试表

用例名称	用户登录系统
目的	测试用户通过正确的用户名和密码可否登录功能
前提	未登录的情况下
测试流程	1) 进入登录页面 2) 输入正确的用户名和密码
预期结果	用户名和密码正确的时候，跳转到登录成功界面，反之则显示错误信息，提示重新输入
实际结果	实际结果与预期结果一致

电影信息查看功能测试：

表6-2 电影信息查看功能测试表

用例名称	电影信息查看
目的	测试电影信息查看功能
前提	用户登录
测试流程	点击电影信息列表
预期结果	可以查看到所有电影信息
实际结果	实际结果与预期结果一致

添加电影评分界面测试：

表6-3 添加电影评分界面测试表

用例名称	添加电影评分测试用例
目的	测试电影评分添加功能
前提	用户正常登录情况下
测试流程	1）点击电影评分管理，然后点击添加后并填写信息。 2）点击进行提交。
预期结果	提交以后，页面首页会显示新的电影评分
实际结果	实际结果与预期结果一致

电影资讯搜索功能测试：

表6-4电影资讯搜索功能测试表

用例名称	电影资讯搜索测试
目的	测试电影资讯搜索功能
前提	无
测试流程	1）在搜索框填入搜索关键字。 2）点击搜索按钮。
预期结果	页面显示包含有搜索关键字的电影资讯
实际结果	实际结果与预期结果一致

密码修改搜索功能测试：

表6-5 密码修改功能测试表

用例名称	密码修改测试用例
目的	测试管理员密码修改功能
前提	管理员用户正常登录情况下
测试流程	1）管理员密码修改并完成填写。 2）点击进行提交。
预期结果	使用新的密码可以登录
实际结果	实际结果与预期结果一致

6.2 系统测试结果

通过编写电影推荐系统的测试用例，已经检测完毕用户登录功能测试、电影信息查看功能测试、电影评分添加、电影资讯搜索、密码修改功能测试，通过这5大模块为电影推荐系统的后期推广运营提供了强力的技术支撑。

结论

在开发基于大数据的电影推荐系统之前我胸有成竹，觉得很简单，但在实际的开发中我发现了自身的很多问题，许多编程思想和方法都还没有掌握牢靠，比如对于大数据的爬虫分析技术和Django框架的使用，通过开发这个电影推荐系统我成长了很多，懂得了做什么事情都要脚踏实地，不能眼高手低，在本次电影推荐系统的开发中我逐渐掌握逐渐熟悉的技术。

本次基于大数据的电影推荐系统的开发中我还学会了很多，例如良好的编程思想和完善的规划思想。在着手编程之前需要罗列出程序框架的大概，脑海中构建出程序的主题框架。做好这一步我们才能胸有成竹的经行开发项目。当设计框架了熟于心之后，需要思考本次编程所需的主要知识点和技术点，并充分学习。如此一来项目的开发才能循序渐进、如丝般顺滑，长久以往就能养成良好的开发习惯。一个程序好不好还要看出的bug多不多，如果在项目完成前做好bug的查验与预防可能发生的事故才能保证程序的稳定长久性运行。如果项目在完工后出现各种问题自己，那么在进入社会后，不仅会给公司团队带来麻烦和增加不必要的工作，还会导致客户流失，公司对自己的评价下降。

在本次项目中我也暴露了诸多问题。对于Django的编程知识有所欠缺，环境配置和算法上出现诸多问题，时常导致项目运行出错，或者目标的实现有问题。或者实现想法时算法未优化，使得代码冗长，程序运行不顺畅。

参考文献

[1]Siet S ,Peng S ,Ilkhomjon S , et al.Enhancing Sequence Movie Recommendation System Using Deep Learning and KMeans[J].Applied Sciences,2024,14(6):

[2]Khalil A H .Towards Optimizing Hybrid Movie Recommender Systems[J].Revue d'Intelligence Artificielle,2024,38(1):

[3]Wang Q ,Esquivel A J .Personalized Movie Recommendation System Based on DDPG: Application and Analysis of Reinforcement Learning in User Preferences[J].The Frontiers of Society, Science and Technology,2023,5(18):

[4]黄奕宸.基于用户画像的电影推荐系统的设计与实现[J].铜仁学院学报,2023,25(06):75-83+108.

[5]韩文杰.基于混合算法的电影推荐系统研究[D].南京邮电大学,2023.DOI:10.27251/d.cnki.gnjdc.2023.001037.

[6]郭鹤楠.基于Django和Python技术的网站设计与实现[J].数字通信世界,2023,(06):60-62.

[7]司品印,齐亚莉,王晶.基于协同过滤算法的个性化电影推荐系统的实现[J].北京印刷学院学报,2023,31(06):45-52.DOI:10.19461/j.cnki.1004-8626.2023.06.011.

[8]阿荣.基于混合推荐的电影推荐系统的设计与实现[D].北京邮电大学,2023.DOI:10.26969/d.cnki.gbydu.2023.001034.

[9]刘晓伟.基于协同过滤的个性化电影推荐系统[D].山东大学,2023.DOI:10.27272/d.cnki.gshdu.2023.007011.

[10]武玲梅,李秋萍,黄秀芳,等.基于Django框架的电影推荐系统的设计与实现[J].电脑知识与技术,2023,19(04):56-61.DOI:10.14004/j.cnki.ckt.2023.0204.

[11]徐必成.基于混合方法的电影推荐系统的研究与实现[D].湖南大学,2022.DOI:10.27135/d.cnki.ghudu.2022.003890.

[12]关凯轩.基于大数据技术和深度学习的混合模式电影推荐系统设计[D].东华大学,2022.DOI:10.27012/d.cnki.gdhuu.2022.001817.

[13]胡俊凯.基于Web的个性化电影推荐系统设计与实现[D].广东工业大学,2022.DOI:10.27029/d.cnki.ggdgu.2022.001833.

[14]邱红丽,张舒雅.基于Django框架的web项目开发研究[J].科学技术创新,2021,(27):97-98.

[15]刘长龙.Python高效开发实战[M].电子工业出版社:202108.521.

[16]王博.大数据平台下的电影推荐系统研究[D].重庆大学,2021.DOI:10.27670/d.cnki.gcqdu.2021.002997.

[17]汪洋,姜新通.MVC框架在Python与Django下的设计研究[J].电脑与信息技术,2021,29(01):55-57+63.DOI:10.19414/j.cnki.1005-1228.2021.01.017.

[18]侯林坤.电影个性化推荐系统的构建[J].电脑知识与技术,2020,16(27):41-42.DOI:10.14004/j.cnki.ckt.2020.2863.

[19]侯林坤.个性化电影推荐系统的研究与实现[D].青岛科技大学,2020.DOI:10.27264/d.cnki.gqdhc.2020.000889.

[20]王茜子.基于混合算法的电影推荐系统的研究与设计[D].电子科技大学,2020.DOI:10.27005/d.cnki.gdzku.2020.000305.

致谢

这篇文章的完成经历了多个日日夜夜的努力，终于在今天得以完成。这篇文章的创作过程实为不易，但在老师和同学的辛勤帮助下顺利渡过。让我在设计过程中举步维艰时，非常感谢我的导师不耐其烦的帮助我解决问题，给予了我许多指导意见。也感谢所有为我授业解惑的老师！

另外，本文的完成也参考借鉴了许多国内外在大数据和Django技术上的著作，如果没有著作原作的辛勤付出和科研成果，我也很难完成本论文。感谢在本论文中关联到的学者们！也感谢Google等公司，感谢他们强大的搜索引擎，让我的资料查阅省事简单。

感谢之余也还有几句话要说，虽大学学习四年，怎奈何本人才疏学浅，本文的完成已为尽力，但文中不免有些不当和错误之处，诚挚真切的请求各位老师对本文的批评改正，感谢百忙之中费心审阅我论文的老师。

免费领取项目源码，请关注❥点赞收藏并私信博主，谢谢~

v:MZ_ZXD001

关注

2
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
django基于大数据的电影推荐系统-计算机毕业设计源码71246

通过收集用户的电影观看历史、评分、点击记录等数据，建立了一个包含海量信息的电影数据库。其次，运用数据挖掘和机器学习算法，分析用户的行为模式和喜好，从而实现精准的个性化推荐。本研究采用了协同过滤等推荐算法，并将其与传统的推荐方法做了对比实验。实验结果表明，基于大数据的电影推荐系统在推荐准确度和用户满意度方面均取得了显著的提升。
复制链接

扫一扫