基于Python + Django + mysql的协同推荐算法的电影推荐系统

    本系统一共分为前台系统功能和后台系统功能两个模块，两个模块之间虽然在表面上是相互独立的，但是在对数据库的访问上是紧密相连的，各个模块访在同一数据库中分别对应不同的数据表。根据以上的功能分析，系统在前后台两个模块的基础上每一个模块又分为几个子模块。

一、前台系统功能模块设计
1、会员注册模块：填写并提交个人信息，通过验证成功注册成为会员；
2、会员登录模块：注册后进行会员登录，便于进行之后的购买商品操作；
3、电影推荐模块：通过热销电影、按影片类型分类，分区域和页面展示网站的热销、新品等，根据用户浏览记录进行电影推荐，基于协调推荐算法推荐；
4、会员购票模块：通过对电影信息的浏览，选出自己喜爱的电影并选择购买，随后可提交评价或在购物车中查看；
5、评价查询模块：用户通过查看评价了解自己当前评价信息及所有评价记录。
三、后台系统功能模块设计
1、用户管理模块：该模块可以对用户的信息进行修改和删除；
2、电影分类管理模块：电影分类模块下分为两个子模块，一是一级分类管理，是通过影片类型对电影进行分类，二是二级分类管理，是通过国家地区的不同对电影归类；
3、电影信息管理模块：该模块可实现对电影基本信息的添加、修改和删除；
4、评价管理模块：管理员查看评价详细信息，删除评价信息，并对评价进行处理。

from django.views.generic.base import View
from datetime import datetime
from django.shortcuts import render
from django.http import HttpResponse
from django.core.paginator import PageNotAnInteger,Paginator

from operation.models import UserFavorite,UserComments,UserBrowse,UserRatings
from movieinfo.models import Movie,MovieParticulars

class AddFavView(View):
“”“用户收藏和取消收藏”""
def post(self,request):
# 防止后边int(fav_id)时出错
id=request.POST.get(‘fav_id’,0)
if not request.user.is_authenticated:
# 未登录时返回json提示未登录,跳转到登录页面是在ajax中做
return HttpResponse(’{“status”:“fail”,“msg”:“用户未登录”}’, content_type=‘application/json’)
exist_record=UserFavorite.objects.filter(user=request.user, movie_id=int(id))
if exist_record:
# 如果记录已经存在，表示用户要取消收藏
exist_record.delete()
movie=Movie.objects.get(id=int(id))
movie.fav_nums -= 1
if movie.fav_nums < 0:
movie.fav_nums = 0
movie.save()
return HttpResponse(’{“status”:“success”,“msg”:“收藏”}’, content_type=‘application/json’)
else:
user_fav=UserFavorite()
if int(id) > 0:
user_fav.movie_id=int(id)
user_fav.user=request.user
user_fav.save()
movie = Movie.objects.get(id=int(id))
movie.fav_nums += 1
movie.save()
return HttpResponse(’{“status”:“success”,“msg”:“已收藏”}’, content_type=‘application/json’)
else:
return HttpResponse(’{“status”:“success”,“msg”:“收藏出错”}’, content_type=‘application/json’)

添加评论

class AddCommentsView(View):
def post(self, request):
if not request.user.is_authenticated:
return HttpResponse(’{“status”:“fail”, “msg”:“用户未登录”}’, content_type=‘application/json’)
movie_id = request.POST.get(‘movie_id’, 0)
comments = request.POST.get(‘comments’, ‘’)
if int(movie_id)> 0 and comments:
movie_comments = UserComments() # 实例化
movie = Movie.objects.get(id= int(movie_id))
movie_comments.movie = movie
movie_comments.user = request.user
movie_comments.comment = comments
movie_comments.save()
# return render(request,‘playMovie.html’,{“status”:“success”, “msg”:“评论成功”,“movie_comments”: movie_comments})
return HttpResponse(’{“status”:“success”, “msg”:“评论成功”}’, content_type=‘application/json’)
else:
return HttpResponse(’{“status”:“fail”, “msg”:“评论失败”}’, content_type=‘application/json’)

评级

class MovieDetailView(View):
# 电影详情页
def get(self, request, movie_id):
movieId=Movie.objects.get(id= int(movie_id))

    # 点击数加一movieId.click_nums += 1movieId.save()# 获取电影详情信息movie_info = MovieParticulars.objects.get(id=int(movie_id))# 热门排行fav_movie = Movie.objects.all().order_by('-fav_nums')[:10]# 收藏is_fav = '收藏'if request.user.is_authenticated:if UserFavorite.objects.filter(user=request.user, movie_id=int(movie_id)):is_fav = '已收藏'# 显示评论comments = UserComments.objects.filter(movie=movieId).order_by('-add_time')try:page = request.GET.get('page', 1)except PageNotAnInteger:page = 1p = Paginator(comments,8)  # 每页显示8个，从all_classification中取comments_page = p.page(page)# 显示评分ratings=float(0)if request.user.is_authenticated:ratings=UserRatings.objects.filter(user=request.user, movie=movieId)# 记录浏览if request.user.is_authenticated:if not UserBrowse.objects.filter(user= request.user, movie_id=int(movie_id)):UserBrowse.objects.create(user=request.user, movie_id=int(movie_id))return render(request, 'playMovie.html', {'movie_info': movie_info,'fav_movie': fav_movie,'is_fav': is_fav,'comments_page': comments_page,'ratings': ratings,})

from datetime import datetime

from django.db import models

class Movie(models.Model):
# movieId=models.IntegerField(‘电影ID’,default=0,)
name=models.CharField(‘电影名称’,max_length=50)
fav_nums=models.IntegerField(‘收藏人数’,default=0)
click_nums=models.IntegerField(‘点击数’,default=0)
add_time=models.DateTimeField(‘添加时间’,default=datetime.now)

class Meta:verbose_name="电影"verbose_name_plural=verbose_namedef __str__(self):return self.name

class MovieParticulars(models.Model):
MOVIE_TYPE=(
(‘aq’, u’爱情’),
(‘jq’, u’剧情’),
(‘xj’, u’喜剧’),
(‘wx’, u’武侠’),
(‘dz’, u’动作’),
(‘xy’, u’悬疑’),
(‘kb’, u’恐怖’),
(‘fz’, u’犯罪’),
(‘js’, u’惊悚’),
(‘kh’, u’科幻’),
(‘mx’, u’冒险’),
(‘dm’, u’动漫’),
(‘ty’, u’体育’),
(‘jl’, u’记录’),
(‘zz’, u’战争’)
)

REGION=(('zg',u'中国'),('hg',u'韩国'),('rb',u'日本'),('om',u'欧美')
)LANGUAGE=(('chinese',u'国语'),('cantonese',u'粤语'),('japanese',u'日语'),('korean',u'韩语'),('english',u'英语'),('french',u'法语'),('portuguese',u'葡萄牙语'),('spanish', u'西班牙语')
)
name=models.ForeignKey(Movie,verbose_name='电影',on_delete=models.CASCADE)
image = models.ImageField('封面图', upload_to='movies/images/%Y/%m', default='images/c3.jpg', max_length=300)
movie_type=models.CharField(verbose_name='类型',choices=MOVIE_TYPE,default='爱情',max_length=10)
director=models.CharField('导演',max_length=20)
protagonist=models.CharField('主演',max_length=20)
region=models.CharField(verbose_name=u'地区/国家',choices=REGION,default='zg',max_length=10)
language=models.CharField(verbose_name=u'语言',choices=LANGUAGE,default='chinese',max_length=10)
release_data=models.DateTimeField('上映时间',default=datetime.now)
intro=models.TextField('简介')
add_time = models.DateTimeField("添加时间", default=datetime.now)class Meta:verbose_name='电影详情'verbose_name_plural=verbose_namedef __str__(self):return self.movie_type

class MovieResourse(models.Model):
name=models.ForeignKey(Movie,verbose_name=“电影”,on_delete=models.CASCADE)
download = models.FileField(“资源文件”, upload_to=“movies/resource/%Y/%m”, max_length=100)
add_time = models.DateTimeField(“添加时间”, default=datetime.now)

class Meta:verbose_name='电影资源'verbose_name_plural=verbose_name

基于Python + Django + mysql的协同推荐算法的电影推荐系统相关推荐

Python+Django+Mysql开发在线购物推荐网协同过滤推荐算法在购物网站中的运用个性化推荐算法开发基于用户、物品的协同过滤推荐算法机器学习、分布式大数据、人工智能开发
Python+Django+Mysql开发在线购物推荐网协同过滤推荐算法在购物网站中的运用个性化推荐算法开发基于用户.物品的协同过滤推荐算法机器学习.分布式大数据.人工智能开发 ShopRec ...
Python实现基于用户的协同过滤推荐算法构建电影推荐系统
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取. 1.项目背景基于用户的协同过滤推荐(User-based CF)的原理假设: ...
Python实现基于物品的协同过滤推荐算法构建电影推荐系统
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取. 1.项目背景基于物品的协同过滤推荐(Item-based CF)的假设原理为 ...
基于Mahout实现协同过滤推荐算法的电影推荐系统
1 Mahout介绍 Apache Mahout 是 Apache Software Foundation(ASF) 旗下的一个开源项目,提供一些可扩展的机器学习领域经典算法的实现,旨在帮助开发人员更 ...
【基于python+Django的物品协同过滤音乐推荐系统-哔哩哔哩】 https://b23.tv/V2zN54R
[基于python+Django的物品协同过滤音乐推荐系统-哔哩哔哩] https://b23.tv/V2zN54R https://b23.tv/V2zN54R
基于Python+Django+MYSQL的ERP管理系统的设计与实现
基于Python+Django+MYSQL的ERP管理系统的设计与实现源码获取:https://www.bilibili.com/video/BV1Ne4y1g7dC/ ERP管理系统是商业信息管 ...
java计算机毕业设计基于ssm的协同过滤算法的电影推荐系统(源代码+数据库+Lw文档）
项目介绍 "互联网+"的战略实施后,很多行业的信息化水平都有了很大的提升.但是目前很多行业的管理仍是通过人工管理的方式进行,需要在各个岗位投入大量的人力进行很多重复性工作,使得对人 ...
【计算机毕业设计】009基于推荐算法的电影推荐系统
一.系统截图(需要演示视频可以私聊) 摘要现代经济快节奏发展以及不断完善升级的信息化技术,让传统数据信息的管理升级为软件存储,归纳,集中处理数据信息的管理方式.本基于推荐算法的电影推荐系统就是在 ...
基于内容推荐算法的电影推荐系统
基于内容的推荐算法格局用户过去一段时间内喜欢的物品,以及由此推算出来用户偏好,为用户推荐相似物品.其中的"内容"指的便是:用户过去一段时间内喜欢的物品,以及由此推算出来的用户偏好 ...

基于Python + Django + mysql的协同推荐算法的电影推荐系统

基于Python + Django + mysql的协同推荐算法的电影推荐系统

添加评论

评级

基于Python + Django + mysql的协同推荐算法的电影推荐系统相关推荐

最新文章

热门文章