基于Python的旅游景点推荐系统毕设：从数据建模到Flask部署的实战全流程
基于Python的旅游景点推荐系统毕设：从数据建模到Flask部署的实战全流程
1. 毕设常见痛点：数据稀疏、冷启动、工程化缺失
做推荐系统毕设，最容易被导师三连问：
- “数据这么稀疏，结果靠谱吗？”
- “新用户来了，你推啥？”
- “代码跑通就算完？能上线吗？”
多数同学直接调 Surprise 或 LightFM，AUC 好看，却忽视工程闭环：
– 离线脚本一把梭，路径写死；
– 模型 PKL 一扔，前端调不通；
– 评审现场 502，当场社死。
痛点总结：
- 数据稀疏：用户-景点评分矩阵密度 <1%，纯协同过滤易过拟合。
- 冷启动：新用户无行为，新景点无评分，直接空白。
- 工程化缺失：没有 REST 接口、没有缓存、没有异常兜底，演示时一并发抖。
2. 技术选型：为什么 UserCF + 内容标签，而非矩阵分解或深度模型
| 方案 | 优点 | 缺点 | 毕设场景 |
|---|---|---|---|
| 矩阵分解 (SVD) | 精度高 | 训练慢、黑盒、难解释 | 导师看不懂 |
| 深度学习 (DSSM) | 能融合多模态 | 数据量要大、GPU 贵 | 服务器没有卡 |
| UserCF + 内容 | 简单、可解释、冷启动友好 | 精度略逊 | 够用、能讲清 |
结论：时间紧、资源少、要演示，UserCF 负责“老朋友喜欢啥我推啥”，内容标签负责“新景点/新用户兜底”，两者加权融合，5 天可撸完。
3. 核心实现拆解
3.1 数据预处理
原始爬来的 CSV 长这样：
user_id,spot_id,rating,tag u001,s010,5,"古镇,人文"步骤：
- 去重：同一用户对同一景点多次评分，取均值。
- 归一化：Min-Max 缩到 [0,1]，消除评分尺度差异。
- 构造“用户-景点”矩阵：pandas pivot_table，空值填 0，但保留 mask 供后续相似度计算忽略。
3.2 相似度计算
- 余弦相似度：适合稀疏向量，计算快。
- 皮尔逊修正：减去用户均值，抵消打分偏置。
代码片段（已 Clean Code）：
def cosine_plus_pearson(mat: csr_matrix, u_vec: np.ndarray, u_mean: float): """计算修正后的余弦相似度""" u_vec_centered = u_vec - u_mean sim = mat.dot(u_vec_centered) / ( norm(mat, axis=1) * norm(u_vec_centered) + 1e-8 ) return sim3.3 混合推荐权重
UserCF 得分 与 内容标签得分 线性加权：
final_score = α * usercf_score + (1-α) * content_scoreα 按用户行为条数动态调整：
– 行为 ≥10，α=0.8；
– 行为 <10，α=0.3；
冷启动用户直接走内容推荐。
4. 完整可运行代码
项目结构：
travel-rec/ ├── app.py # Flask 入口 ├── rec/ │ ├── __init__.py │ ├── data.py # 数据加载 │ ├── model.py # 推荐逻辑 │ └── utils.py # 工具 └── data/ └── travel.csv4.1 model.py（核心 50 行）
import pandas as pd import numpy as np from scipy.sparse import csr_matrix from sklearn.metrics.pairwise import cosine_similarity class HybridRec: def __init__(self, csv_path, top_k=20, alpha=0.7): self.top_k = top_k self.alpha = alpha self._load_data(csv_path) self._compute_similarity() def _load_data(self, path): df = pd.read_csv(path) self.user_mean = df.groupby('user_id')['rating'].mean().to_dict() self.mat = df.pivot_table(index='user_id', columns='spot_id', values='rating').fillna(0) self.spot_tags = df.groupby('spot_id')['tag'].first().to_dict() self.user_item = csr_matrix(self.mat.values) def _compute_similarity(self): self.sim_matrix = cosine_similarity(self.user_item) def recommend(self, user_id, n=5): if user_id not in self.mat.index: return self._cold_start(n) uid_idx = self.mat.index.get_loc(user_id) user_vec = self.mat.iloc[uid_idx].values u_mean = self.user_mean[user_id] sims = self.sim_matrix[uid_idx] # 找到最相似用户 top_users = np.argsort(sims)[-self.top_k:] # 加权平均得分 rec_scores = np.zeros(self.mat.shape[1]) for u in top_users: rec_scores += sims[u] * self.mat.iloc[u].values # 内容得分 content_scores = self._content_score(user_vec) # 融合 final = self.alpha * rec_scores + (1 - self.alpha) * content_scores # 排除已交互 seen = user_vec.nonzero()[0] final[seen] = -1 top_items = np.argsort(final)[-n:][::-1] return self.mat.columns[top_items].tolist() def _content_score(self, user_vec): """简单标签匹配：用户历史标签出现频次""" from collections import Counter visited = np.where(user_vec > 0)[0] tags = [] for idx in visited: spot = self.mat.columns[idx] tags.extend(self.spot_tags.get(spot, '').split(',')) user_tags = Counter(tags) content_vec = np.zeros(self.mat.shape[1]) for idx, spot in enumerate(self.mat.columns): spot_tag_list = self.spot_tags.get(spot, '').split(',') content_vec[idx] = sum(user_tags[t] for t in spot_tag_list if t in user_tags) return content_vec / (content_vec.max() + 1e-8) def _cold_start(self, n): """冷启动：返回热门景点""" return self.mat.sum().nlargest(n).index.tolist()4.2 app.py（20 行）
from flask import Flask, request, jsonify from rec.model import HybridRec app = Flask(__name__) rec = HybridRec('data/travel.csv') @app.route('/rec', methods=['GET']) def recommend(): user_id = request.args.get('user_id') if not user_id: return jsonify({'error': 'missing user_id'}), 400 spots = rec.recommend(user_id) return jsonify({'spots': spots}) if __name__ == '__main__': app.run(debug=False, threaded=True)启动：
export FLASK_APP=app.py flask run --host=0.0.0.0 --port=50005. 性能与安全
- 缓存：
使用 Flask-Caching 把/rec结果缓存 5 min，避免重复计算。 - 请求幂等：
GET 接口天然幂等，不加副作用。 - 隐私脱敏：
返回包只给 spot_id，不把用户历史明文带出；日志打码 user_id 后四位。
6. 生产环境避坑指南
| 坑 | 现象 | 解决 |
|---|---|---|
| 本地路径硬编码 | 换电脑就 FileNotFound | 用pathlib.Path(__file__).parent动态拼 |
| NaN 未处理 | 推荐结果空列表 | fillna(0)后统一转 int |
| Flask 开发服务器并发 | 压测 20 线程直接卡死 | 上 Gunicorn + Gevent：gunicorn -k gevent -w 4 app:app |
| 矩阵太大内存炸 | 10 万用户 8 G 爆 | 只保留交互 ≥3 的用户，稀疏度降到 0.3% |
7. 效果演示
本地起服务后，前端 Vue 调/rec?user_id=u001，200 ms 内返回 5 个景点，导师现场点赞。
8. 后续可玩：实时行为日志怎么接？
目前模型离线天级更新。想再卷一点，可以：
- 用 Nginx + Lua 把用户点击日志实时打到 Kafka；
- Flink 流处理 5 min 窗口，更新用户最近交互向量；
- 通过 Redis Pub/Sub 通知 Flask 热更新相似度缓存。
一句话：先把离线链路跑通，再逐步“流式化”，毕设就能从“能跑”进化到“像真的”。
把代码推到 GitHub，README 写清依赖版本，答辩时亮出 Swagger 文档和缓存命中率，老师基本不再追问。
动手跑一遍，你会发现：推荐系统其实也没那么玄学，工程闭环才是硬通货。