计算机毕业设计Django+Vue.js小说推荐系统小说可视化小说爬虫大数据毕业设计(源码+LW文档+PPT+详细讲解) -优快云博客

温馨提示：文末有优快云平台官方提供的学长联系方式的名片！

温馨提示：文末有优快云平台官方提供的学长联系方式的名片！

温馨提示：文末有优快云平台官方提供的学长联系方式的名片！

作者简介：Java领域优质创作者、优快云博客专家、优快云内容合伙人、掘金特邀作者、阿里云博客专家、51CTO特邀作者、多年架构师设计经验、多年校企合作经验，被多个学校常年聘为校外企业导师，指导学生毕业设计并参与学生毕业答辩指导，有较为丰富的相关经验。期待与各位高校教师、企业讲师以及同行交流合作

主要内容：Java项目、Python项目、前端项目、PHP、ASP.NET、人工智能与大数据、单片机开发、物联网设计与开发设计、简历模板、学习资料、面试题库、技术互助、就业指导等

业务范围：免费功能设计、开题报告、任务书、中期检查PPT、系统功能实现、代码编写、论文编写和辅导、论文降重、长期答辩答疑辅导、腾讯会议一对一专业讲解辅导答辩、模拟答辩演练、和理解代码逻辑思路等。

收藏点赞不迷路关注作者有好处

文末获取源码

感兴趣的可以先收藏起来，还有大家在毕设选题，项目以及论文编写等相关问题都可以给我留言咨询，希望帮助更多的人

介绍资料

2.8、给用户推荐物品

根据⽤户的历史记录，给⽤户推荐物品。

最终推荐的是什么物品，是由预测兴趣度决定的。

物品j预测兴趣度=⽤户喜欢的物品i的兴趣度×物品i和物品j的相似度

例如：A⽤户喜欢唐伯虎点秋香，逃学威龙1，追龙，兴趣度分别为5,1,2

在用户A的评分电影列表中只有唐伯虎点秋香与喜欢你有相似度，推荐喜欢你的预测兴趣度=5 x 0.5 = 2.5

在用户A的评分电影列表中只有唐伯虎点秋香与暗战有相似度，推荐暗战的预测兴趣度=5 x 0.5 = 2.5

在用户A的评分电影列表中只有逃学威龙1与他人笑我太疯癫有相似度，推荐他人笑我太疯癫的预测兴趣度=1 x 0.82 =0.82

3、基于机器学习K-means聚类推荐算法

原理：

从数据库中
1、首先获取书籍类别
2、获取用户注册时勾选喜欢的类别，勾选的为1，否则为0，得到一个样本数据
例：[1,0,1,0,0,...]，[1,1,1,0,1,...]，[0,0,1,0,0,...]，
3、使用k-mean算法把用户分成6类【用户模型】
4、获取6类的【用户模型】的质心，比如[1,0,1,0,0,...]
把为1的类别找出来，然后获取该类别排行前3的书籍，组成一个推荐列表推荐给用户
5、类别书籍排行按收藏量来排序
6、用户购买书籍行为会动态更新样本数据

示例代码

六、程序文件说明

book是子应用名称，migrations是数据迁移文件，把数据模型映射到数据库中，templatetags是定义界面模板语法，__init__.py是导包文件，adminx.py存放的是后台管理代码，apps.py是子应用说明，forms.py是登录注册表单定义，models.py是数据模型，test.py是测试文件，urls.py是路由表，views.py是控制层调度器。

book_manager是项目应用管理起始文件夹，settings.py是项目数据库，静态文件等配置，urls.py是总路由表。

media保存的是媒体文件。

static保存的是界面的静态文件：css,html,js，图片等。

template保存的是前端界面模板代码。

book-k-mean.dat是k-means聚类后的模型。

manage.py是项目启动管理器。

recommend_books.py是推荐算法代码。

requirements.txt保存的是第三方库文件。

spider_get_data.py是爬虫代码。