【源码】基于Django和Vue的多领域推荐系统

项目简介

本项目是学习《推荐系统开发实战》一书过程中编写的代码集合。前端运用Vue框架，后端采用Django框架，实现了新闻、图书和音乐三个推荐系统。通过一系列的数据处理、模型训练和算法计算，为用户提供个性化的推荐服务。

项目的主要特性和功能

新闻推荐系统

• 按各大主题热度排序展示新闻。
• 抽取并展示每篇新闻的关键词。
• 基于item进行新闻推荐。
• 展示热度榜，保证一定覆盖度。
• 为不同用户提供个性化“为你推荐”内容。

图书推荐系统

• 基于GBDT模型为不同用户提供个性化图书推荐。
• 展示图书详情信息。
• 记录用户的浏览足迹。

音乐推荐系统

• 利用网易云API获取部分数据。
• 基于标签推荐歌单、歌曲、歌手详情页。
• 基于用户和物品的协同过滤算法推荐用户、歌曲、歌手。
• 基于内容的推荐算法推荐歌单。
• 提供个性化排行榜。
• 为不同用户提供个性化“为你推荐”内容。
• 展示用户在站内的行为足迹。

安装使用步骤

通用准备

1. 安装Node.js，使用Node的npm安装Vue、Vue-cli、Vue-router。
2. 对于每个案例，在对应项目目录下，通过npm install安装package.json中的Vue包。

新闻推荐系统

1. 数据库迁移：在NewsRec目录下，首次运行python manage.py migrate，再运行python manage.py makemigrations news，最后再次运行python manage.py migrate。
2. 创建超级用户：运行python manage.py createsuperuser，创建后台管理账户（如：admin/9003）。
3. 数据处理
   • 整合7个Excel文件中的新闻类别，插入到cate表。
   • 将原始Excel中类别字段用数字替代，对应cate表。
   • 通过Navicat或其他工具将增加字段后的Excel文件（可转成CSV格式）导入MySQL的news表。
   • 运行NewsKeyWordsSelect.py抽取新闻关键词。
   • 运行NewsHotValueCal.py计算新闻热度值，写入newhot表。
   • 运行NewsTagcCorres.py根据新闻标签或关键词获取新闻信息，写入newtag表。
   • 运行NewsCorrelationCalculation.py计算新闻相关度，写入newsim表。
4. 启动服务
   • 在NewsRec目录下，运行python manage.py runserver，访问后台管理地址：http://127.0.0.1:8000/admin。
   • 在NewsRec-Vue目录下，运行npm run dev，访问前端地址：http://127.0.0.1:8000/。

图书推荐系统

1. 数据库迁移：在BookRec目录下，首次运行python manage.py migrate，再运行python manage.py makemigrations indexbook，最后再次运行python manage.py migrate。
2. 创建超级用户：运行python manage.py createsuperuser，创建后台管理账户（如：admin/9003）。
3. 数据处理
   • 使用pandas将“豆瓣图书.xlsx”转换为“豆瓣图书.xls”。
   • 运行prepare.py将“豆瓣图书.xls”转换成可导入数据库的to_sql.txt。
   • 利用Navicat将to_sql.txt内容导入数据库的book表，增加book表的name字段长度到200。
   • 运行model.py对模型进行训练和保存。
4. 启动服务
   • 在BookRec目录下，运行python manage.py runserver，访问后台管理地址：http://127.0.0.1:8000/admin。
   • 在BookRec-Vue目录下，运行npm run dev，访问前端。

音乐推荐系统

1. 数据库迁移：在对应目录下，首次运行python manage.py migrate，依次运行python manage.py makemigrations indexmusic、python manage.py makemigrations playlist、python manage.py makemigrations sing、python manage.py makemigrations song、python manage.py makemigrations user，最后再次运行python manage.py migrate。
2. 创建超级用户：运行python manage.py createsuperuser，创建后台管理账户（如：admin/9003）。
3. 数据获取
   • 拷贝playlist_id_name_all.txt到指定位置。
   • 在playlist_url下创建playlist_get_fail.txt。
   • 运行GetPlayListMess.py进行歌单信息处理。
   • 运行GetSongMess.py根据歌曲ID获取歌曲信息。
   • 若GetSingMess.py运行失败，使用案例中给的歌手信息数据。
4. 数据导入：运行ToMySQL.py中的各个方法，分别将歌曲、歌词、歌手、用户、歌单等信息导入相应的数据库表。
5. 数据分析
   • 运行RecPlayList.py，并将结果导入userplaylistrec表。
   • 运行RecSing.py，并将结果导入usersingrec表。
   • 运行RecSong.py，并将结果导入usersongrec表。
   • 运行RecUser.py，并将结果导入useruserrec表。
6. 计算相似度
   • 运行UserSim.py，并将结果导入usersim表。
   • 运行SongSim.py，并将结果导入songsim表。
   • 运行SingSim.py，并将结果导入singsim表。
7. 启动服务
   • 在后端项目目录下，运行python manage.py runserver。
   • 在前端项目目录下，运行npm run dev。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】