python、django、vue.js从零开发基于WideDeep深度学习的电影推荐系统 基于神经网络的电影/影视/短剧/电视剧/视频推荐系统设计与开发 WideDeep深度学习模型 可视化数据分析
python、django、vue.js从零开发基于WideDeep深度学习的电影推荐系统 基于神经网络的电影/影视/短剧/电视剧/视频推荐系统设计与开发 WideDeep深度学习模型 可视化数据分析 爬虫MovieWideDeepRecPy
一、项目简介
1、开发工具和使用技术
Pycharm、vscode集成开发工具，nodejs，python，mysql数据库，navicat数据库管理工具，django后端框架（django-cors-headers、django-simpleui、djangorestframework、djangorestframework-jwt、pytorch、numpy、pandas），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
前台用户功能：登录、注册、忘记密码、电影搜索、电影排序、流行度热点推荐、为你推荐（WideDeep深度学习）、猜你喜欢推荐、电影评分、浏览历史、修改信息、修改密码等；
后台管理员功能：登录、数据分析、电影管理、电影类型管理、用户管理、评分管理、浏览历史管理、管理员管理等。
首页为你推荐：
用户未登录：基于流行度的热点推荐，推荐平均分最高的电影；
用户已登录：基于深度学习推荐算法，如果没有推荐结果（冷启动和数据稀疏性），基于流行度的热点推荐。
电影猜你喜欢推荐：
推荐当前电影类型下的电影，同时过滤当前电影和当前登录用户已浏览的电影。
可视化数据分析：饼状图、柱状图。
电影数据爬取豆瓣电影网站，用户、评分数据来自movielens数据集。
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
训练过程流程图