簡(jiǎn)介一套基于協(xié)同過濾推薦算法的電影推薦系統(tǒng)完整源碼與數(shù)據(jù)庫(kù)采用Python及Django框架開發(fā)面向計(jì)算機(jī)、通信、人工智能、自動(dòng)化等相關(guān)專業(yè)學(xué)生與從業(yè)者適用于畢業(yè)設(shè)計(jì)、課程設(shè)計(jì)或期末大作業(yè)也可作為算法學(xué)習(xí)與二次開發(fā)的基礎(chǔ)工程。壓縮包共包含726個(gè)文件主要以Python源碼.py、Vue組件.vue、JavaScript腳本.js、HTML頁面、CSS樣式及SQL數(shù)據(jù)庫(kù)腳本為載體同時(shí)附帶大量SVG、PNG、GIF等前端圖像資源和字體文件整體大小約19.55MB目錄結(jié)構(gòu)完整便于按模塊查閱與復(fù)用。該項(xiàng)目已有223人學(xué)習(xí)瀏覽代碼經(jīng)過調(diào)試測(cè)試可穩(wěn)定運(yùn)行。資源涵蓋用戶登錄、電影展示、評(píng)分與推薦等核心功能并提供了數(shù)據(jù)庫(kù)初始化腳本、前端頁面及后臺(tái)邏輯的完整實(shí)現(xiàn)能夠直觀呈現(xiàn)協(xié)同過濾算法從數(shù)據(jù)處理到推薦生成的流程熟練者可據(jù)此調(diào)整推薦策略、優(yōu)化界面或擴(kuò)展功能從而快速搭建屬于自己的推薦系統(tǒng)實(shí)驗(yàn)環(huán)境。1. 協(xié)同過濾電影推薦系統(tǒng)一個(gè)能跑通全流程的畢設(shè)源碼如果你正在為畢業(yè)設(shè)計(jì)或課程設(shè)計(jì)找推薦系統(tǒng)方向的參考實(shí)現(xiàn)大概率會(huì)遇到兩類東西要么是只講算法原理的教程要么是只給代碼片段沒有閉環(huán)的倉(cāng)庫(kù)。這份基于 Python 的協(xié)同過濾電影推薦系統(tǒng)源碼屬于第三種——帶數(shù)據(jù)庫(kù)、帶前端頁面、帶一鍵部署腳本的完整項(xiàng)目從 Django 后端到 Vue 前端組件都有代碼調(diào)試過、能直接運(yùn)行。它在設(shè)計(jì)上把協(xié)同過濾推薦算法落到了真實(shí)業(yè)務(wù)鏈路里用戶注冊(cè)登錄、瀏覽電影、提交評(píng)分、系統(tǒng)基于評(píng)分?jǐn)?shù)據(jù)生成推薦列表。對(duì)計(jì)算機(jī)、人工智能相關(guān)專業(yè)的學(xué)生來說它既是畢業(yè)設(shè)計(jì)的骨架也是理解推薦系統(tǒng)落地流程的現(xiàn)成樣本。下面我按從原理到部署的順序把這份源碼拆開講清楚。2. 推薦引擎核心UserCF 與 ItemCF 的原理和代碼落點(diǎn)2.1 協(xié)同過濾的兩種思路先搞清楚項(xiàng)目用的是哪一種協(xié)同過濾推薦算法最核心的假設(shè)是相似的人會(huì)有相似的喜好相似的商品會(huì)被相似的人喜歡。前者叫基于用戶的協(xié)同過濾UserCF后者叫基于物品的協(xié)同過濾ItemCF。UserCF 的思路是找到和你口味最接近的一批用戶把他們喜歡而你沒看過的電影推薦給你ItemCF 則是先找到你高分評(píng)價(jià)電影的相似電影再推薦給你。兩種算法的計(jì)算流程都可以拆成三步構(gòu)建用戶-物品評(píng)分矩陣、計(jì)算相似度、生成 Top-N 推薦列表。我翻了這份源碼的算法模塊里面同時(shí)實(shí)現(xiàn)了 UserCF 和 ItemCF 兩套邏輯默認(rèn)跑的是 ItemCF。為什么因?yàn)殡娪皥?chǎng)景下物品電影數(shù)量通常遠(yuǎn)小于用戶數(shù)量ItemCF 的相似度矩陣可以在離線階段算好存下來在線推薦時(shí)只需要查表聚合響應(yīng)速度快而且推薦結(jié)果的可解釋性強(qiáng)——你能直接告訴用戶“因?yàn)槟憬o《盜夢(mèng)空間》打了高分所以推薦《星際穿越》”。這在畢業(yè)設(shè)計(jì)答辯時(shí)特別占便宜評(píng)委問“為什么推薦這部電影”你能給出明確依據(jù)。2.2 相似度計(jì)算的代碼實(shí)現(xiàn)與參數(shù)說明先看相似度計(jì)算的核心代碼。源碼里的similarity.py模塊實(shí)現(xiàn)了余弦相似度計(jì)算這是協(xié)同過濾最常用的相似度度量方式import numpy as np from sklearn.metrics.pairwise import cosine_similarity def build_item_similarity_matrix(ratings_matrix): 構(gòu)建物品-物品相似度矩陣 :param ratings_matrix: 用戶-物品評(píng)分矩陣shape(n_users, n_items) :return: 物品相似度矩陣shape(n_items, n_items) # 對(duì)評(píng)分矩陣做中心化處理減去每個(gè)用戶的平均評(píng)分 # 目的是消除用戶打分尺度不一致的問題有人喜歡打4分有人喜歡打2分 mean_ratings np.mean(ratings_matrix, axis1, keepdimsTrue) centered_matrix ratings_matrix - mean_ratings # 將NaN用戶未評(píng)分的電影填充為0避免計(jì)算時(shí)傳播缺失值 centered_matrix np.nan_to_num(centered_matrix) # 計(jì)算物品間的余弦相似度 # cosine_similarity的輸入是物品向量矩陣轉(zhuǎn)置后每個(gè)行向量代表一部電影 item_sim_matrix cosine_similarity(centered_matrix.T) # 把相似度限制在[0, 1]區(qū)間負(fù)值直接置0減少噪聲 item_sim_matrix[item_sim_matrix 0] 0 return item_sim_matrix這里關(guān)鍵是先做中心化再做余弦相似度。如果不做中心化兩個(gè)用戶都給所有電影打高分他們的評(píng)分向量在數(shù)值上很接近會(huì)被判定為相似用戶但實(shí)際上只是打分習(xí)慣接近不代表口味一致。中心化之后每個(gè)人的評(píng)分都變成了“相對(duì)自己平均水平的偏差”這時(shí)候算出來的相似度才真正反映口味重合度。源碼里把負(fù)相似度直接置 0 的做法也很實(shí)用——現(xiàn)實(shí)中負(fù)相關(guān)的物品對(duì)喜歡 A 的人一定討厭 B很少?gòu)?qiáng)制歸零可以避免推薦結(jié)果被反向信號(hào)干擾這在電影推薦場(chǎng)景下是合理的簡(jiǎn)化。如果你要做音樂或新聞推薦負(fù)相關(guān)信號(hào)反而重要到時(shí)候可以去掉這個(gè)限制。2.3 評(píng)分預(yù)測(cè)與 Top-N 推薦生成相似度矩陣算完之后就該生成推薦列表了。這部分邏輯在recommend.py里核心是加權(quán)求和預(yù)測(cè)用戶對(duì)未看過電影的評(píng)分def predict_rating(user_id, item_id, ratings_matrix, item_sim_matrix, k20): 預(yù)測(cè)用戶對(duì)某部電影的評(píng)分 :param user_id: 目標(biāo)用戶ID :param item_id: 目標(biāo)電影ID :param ratings_matrix: 用戶-物品評(píng)分矩陣 :param item_sim_matrix: 物品相似度矩陣 :param k: 只取最相似的K部電影參與預(yù)測(cè)K值越大計(jì)算越慢但覆蓋更全 :return: 預(yù)測(cè)評(píng)分值 # 找到用戶已經(jīng)評(píng)過分的所有電影 user_rated_items np.where(~np.isnan(ratings_matrix[user_id]))[0] if len(user_rated_items) 0: return 0 # 取與目標(biāo)物品最相似的K部電影且用戶評(píng)過分 sim_scores [] for rated_item in user_rated_items: sim item_sim_matrix[item_id, rated_item] if sim 0: sim_scores.append((rated_item, sim)) # 按相似度排序取前K個(gè) sim_scores.sort(keylambda x: x[1], reverseTrue) sim_scores sim_scores[:k] if len(sim_scores) 0: return 0 # 加權(quán)求和預(yù)測(cè)分 Σ(相似度 * 評(píng)分) / Σ(相似度) numerator sum(sim * ratings_matrix[user_id, item] for item, sim in sim_scores) denominator sum(sim for _, sim in sim_scores) return numerator / denominator if denominator 0 else 0這個(gè)預(yù)測(cè)公式就是 ItemCF 的標(biāo)準(zhǔn)做法用戶對(duì)目標(biāo)電影的預(yù)測(cè)分等于用戶對(duì)已評(píng)分電影的評(píng)分按它們與目標(biāo)電影的相似度加權(quán)平均。K 值默認(rèn)給 20這個(gè)參數(shù)影響挺大——K 太小參考信息不足預(yù)測(cè)分波動(dòng)大K 太大會(huì)把相似度很低的電影也拉進(jìn)來稀釋預(yù)測(cè)精度。實(shí)際調(diào)參時(shí)我一般會(huì)試 10、20、50 三檔對(duì)比推薦結(jié)果的質(zhì)量再定。注意代碼里有個(gè)細(xì)節(jié)預(yù)測(cè)時(shí)只遍歷用戶已經(jīng)評(píng)過分的電影這個(gè)遍歷范圍會(huì)隨著評(píng)分?jǐn)?shù)據(jù)量增大而變大如果數(shù)據(jù)量上了幾十萬條建議先按相似度閾值過濾一輪只保留相似度大于 0.1 的物品對(duì)能省不少計(jì)算時(shí)間。下面這張表總結(jié)了兩種協(xié)同過濾在電影場(chǎng)景下的對(duì)比方便你答辯時(shí)講清楚選型依據(jù)對(duì)比維度UserCF基于用戶ItemCF基于物品適用場(chǎng)景新聞、短視頻等物品更新快的場(chǎng)景電影、電商等物品相對(duì)穩(wěn)定的場(chǎng)景冷啟動(dòng)表現(xiàn)新物品無評(píng)分時(shí)永遠(yuǎn)無法被推薦同樣無法推薦但新用戶能靠相似物品快速出結(jié)果可解釋性弱需要說明“相似用戶”是誰強(qiáng)能直接說是“相似的電影”離線計(jì)算量用戶數(shù)大時(shí)矩陣爆炸物品數(shù)通常遠(yuǎn)小于用戶數(shù)更可控本項(xiàng)目配置已實(shí)現(xiàn)默認(rèn)未啟用默認(rèn)啟用推薦接口走的是這條鏈路3. 從源碼到可運(yùn)行系統(tǒng)環(huán)境部署與數(shù)據(jù)庫(kù)初始化3.1 三個(gè)批處理腳本各管哪一段這份源碼里帶了1-install.bat、2-run.bat、3-build.bat三個(gè)批處理腳本很多第一次拿到這套源碼的人會(huì)直接雙擊結(jié)果1-install.bat跑完報(bào)錯(cuò)。先別急著罵源碼有問題這三個(gè)腳本的分工是有講究的1-install.bat負(fù)責(zé)安裝 Python 依賴并初始化數(shù)據(jù)庫(kù)3-build.bat負(fù)責(zé)構(gòu)建前端靜態(tài)資源2-run.bat才是啟動(dòng)系統(tǒng)的入口。正常順序是 1 → 3 → 2但我實(shí)際跑的時(shí)候發(fā)現(xiàn)可以直接跳過3-build.bat——源碼的app.b7a3d93e.css說明前端已經(jīng)構(gòu)建過一輪靜態(tài)資源目錄里產(chǎn)物是齊全的跳過構(gòu)建不影響運(yùn)行。1-install.bat的內(nèi)容一般是這樣的echo off REM 創(chuàng)建虛擬環(huán)境避免污染全局Python環(huán)境 python -m venv venv REM 激活虛擬環(huán)境Windows下call是關(guān)鍵直接寫venv\Scripts\activate會(huì)中斷腳本 call venv\Scripts\activate REM 安裝后端依賴requirements.txt里包含了django、numpy、pandas等 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple REM 執(zhí)行數(shù)據(jù)庫(kù)遷移生成django內(nèi)置表 python manage.py makemigrations python manage.py migrate REM 導(dǎo)入初始數(shù)據(jù)電影信息、用戶信息、評(píng)分?jǐn)?shù)據(jù) python manage.py loaddata initial_data.json pause這里有幾個(gè)關(guān)鍵點(diǎn)。第一用了-i參數(shù)指定清華鏡像源說明作者自己裝依賴時(shí)也被默認(rèn)源卡過國(guó)內(nèi)網(wǎng)絡(luò)環(huán)境下不換源pandas和numpy這種大包下載速度很感人。第二makemigrations和migrate是 Django 的標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)初始化流程前者生成遷移文件后者執(zhí)行遷移建表。第三loaddata命令把初始數(shù)據(jù)導(dǎo)入數(shù)據(jù)庫(kù)這就是摘要里說的“數(shù)據(jù)庫(kù)”部分——.json是 Django 的 fixture 格式里面打包了電影和評(píng)分的種子數(shù)據(jù)。如果你在1-install.bat里沒看到loaddata這一步那就需要手動(dòng)把項(xiàng)目根目錄的.sql文件導(dǎo)入 MySQL下文會(huì)講。3.2 數(shù)據(jù)庫(kù)配置與表結(jié)構(gòu)設(shè)計(jì)如果你選擇手動(dòng)導(dǎo)入數(shù)據(jù)庫(kù)先打開settings.py找到數(shù)據(jù)庫(kù)配置塊DATABASES { default: { ENGINE: django.db.backends.mysql, NAME: movie_recsys, USER: root, PASSWORD: 123456, HOST: 127.0.0.1, PORT: 3306, OPTIONS: { charset: utf8mb4, }, } }utf8mb4這個(gè)字符集配置很重要。MySQL 的默認(rèn)utf8只支持 3 字節(jié)編碼像生僻字、部分 Emoji 符號(hào)會(huì)直接報(bào)錯(cuò)或亂碼utf8mb4是完整的 4 字節(jié) UTF-8 實(shí)現(xiàn)電影簡(jiǎn)介和評(píng)論里偶爾會(huì)出現(xiàn)特殊字符用它能少踩很多坑。數(shù)據(jù)庫(kù)名是movie_recsys你需要提前在 MySQL 里建好這個(gè)庫(kù)再運(yùn)行系統(tǒng)。這套數(shù)據(jù)庫(kù)設(shè)計(jì)是推薦系統(tǒng)課程設(shè)計(jì)級(jí)別的標(biāo)準(zhǔn)四表結(jié)構(gòu)。用戶表存用戶基本信息和注冊(cè)時(shí)間電影表存標(biāo)題、類型、上映年份、封面圖 URL 和簡(jiǎn)介評(píng)分表是核心——它記錄 user_id、movie_id 和 rating 三要素是協(xié)同過濾算法唯一的輸入數(shù)據(jù)源推薦結(jié)果表則是算法跑完之后落庫(kù)的結(jié)果。評(píng)分表是算法能工作的前提你打開數(shù)據(jù)庫(kù)后第一步應(yīng)該是檢查這個(gè)表的數(shù)據(jù)量如果一張空表都沒有填充推薦接口返回的結(jié)果必然為空。3.3 一鍵啟動(dòng)后如何驗(yàn)證系統(tǒng)是否正常依賴裝完、數(shù)據(jù)庫(kù)配置好之后運(yùn)行2-run.batpython manage.py runserver 0.0.0.0:8000綁定0.0.0.0而不是默認(rèn)的127.0.0.1這樣同一個(gè)局域網(wǎng)內(nèi)的其他機(jī)器也能訪問方便你在畢業(yè)設(shè)計(jì)演示時(shí)用另一臺(tái)電腦或手機(jī)打開頁面。啟動(dòng)成功后瀏覽器訪問http://localhost:8000看到登錄頁面說明后端沒問題。先用源碼里自帶的測(cè)試賬號(hào)登錄進(jìn)去之后找到“推薦”菜單正常情況下列表里會(huì)有電影推薦內(nèi)容。如果推薦列表是空的去數(shù)據(jù)庫(kù)里執(zhí)行一條 SQL 檢查評(píng)分表有沒有數(shù)據(jù)SELECT COUNT(*) FROM ratings;我拿到這套源碼第一次跑通后干的第一件事就是把評(píng)分表的數(shù)據(jù)量摸了一遍。這個(gè)數(shù)字直接決定了推薦效果的上限——只有幾十條評(píng)分記錄任何協(xié)同過濾算法都推不出一部合理的電影。4. 頁面與數(shù)據(jù)流從 Vue 組件到 Django 接口推薦結(jié)果怎么跑通4.1 前端組件結(jié)構(gòu)與登錄鑒權(quán)邏輯前端文件里的IndexMain.vue.bak、IndexAsideStatic.vue.bak、BreadCrumbs.vue.bak、IndexHeader.vue.bak是典型的管理后臺(tái)布局左側(cè)菜單欄、頂部導(dǎo)航欄、面包屑導(dǎo)航和主內(nèi)容區(qū)。.bak后綴在 Vue 項(xiàng)目里其實(shí)是備份文件的標(biāo)志而不是源碼文件說明壓縮這個(gè)資源的人保留了修改前的版本方便你做對(duì)比。如果你要二次開發(fā)這套布局可以直接參考甚至能把這套結(jié)構(gòu)改造成其他管理系統(tǒng)菜單和路由配置是通用的。login接口的邏輯在 Django 后端核心代碼大致是這樣的def login(request): if request.method POST: data json.loads(request.body) username data.get(username) password data.get(password) user User.objects.filter(usernameusername, passwordpassword).first() if user: # 生成登錄令牌并寫入session request.session[user_id] user.id request.session[username] user.username # 同步把用戶信息寫到推薦系統(tǒng)上下文后續(xù)推薦接口才能定位到“給誰推薦” set_recommend_context(user.id) return JsonResponse({code: 0, msg: 登錄成功}) return JsonResponse({code: 1, msg: 用戶名或密碼錯(cuò)誤})這段代碼暴露了一個(gè)需要留意的點(diǎn)密碼是明文存儲(chǔ)和比較的。生產(chǎn)環(huán)境必須用 Django 自帶的make_password和check_password做哈希校驗(yàn)但作為課程設(shè)計(jì)明文邏輯反而直觀答辯時(shí)方便講清楚認(rèn)證鏈路。如果你要拿這套源碼基礎(chǔ)上做改進(jìn)把密碼改成哈希校驗(yàn)是第一件該做的事花費(fèi)不到半小時(shí)卻能讓你在答辯時(shí)多一個(gè)“我考慮了安全性”的加分項(xiàng)。4.2 評(píng)分行為如何實(shí)時(shí)影響推薦結(jié)果整套系統(tǒng)的數(shù)據(jù)流是閉環(huán)的用戶在前端點(diǎn)“評(píng)分”按鈕前端通過 AJAX 把評(píng)分 POST 到后端后端把記錄寫入數(shù)據(jù)庫(kù)同時(shí)觸發(fā)推薦算法重新計(jì)算。這個(gè)過程我在源碼的views.py里看到了對(duì)應(yīng)的接口def rate_movie(request): if request.method POST: user_id request.session.get(user_id) movie_id request.POST.get(movie_id) rating request.POST.get(rating) # 插入或更新評(píng)分記錄同一用戶對(duì)同一部電影多次評(píng)分以最后一次為準(zhǔn) Rating.objects.update_or_create( user_iduser_id, movie_idmovie_id, defaults{rating: rating} ) # 觸發(fā)推薦結(jié)果更新刪除該用戶舊推薦重新生成Top-N列表 Recommendation.objects.filter(user_iduser_id).delete() generate_recommendations(user_id, top_n10) return JsonResponse({code: 0, msg: 評(píng)分成功推薦已更新})評(píng)分寫入后同步重算推薦結(jié)果這個(gè)處理對(duì)課程設(shè)計(jì)是夠的但它存在性能隱患。當(dāng)用戶量和評(píng)分量大了以后每次評(píng)分都全量重算會(huì)嚴(yán)重拖慢接口響應(yīng)。更好的做法是把重算改成異步任務(wù)——評(píng)分先入庫(kù)推薦列表標(biāo)記為“過期”后臺(tái)定時(shí)任務(wù)批量刷新所有過期用戶的推薦。源碼里用同步方式是為了簡(jiǎn)化鏈路方便你在答辯時(shí)畫出完整數(shù)據(jù)流圖。我給你的建議是答辯時(shí)先按源碼的同步邏輯講清楚“評(píng)分后推薦立即變化”再補(bǔ)一句“生產(chǎn)環(huán)境可以引入 Celery 將這部分改成異步”這就能展現(xiàn)出你對(duì)性能邊界的理解。4.3 用戶-物品評(píng)分矩陣的構(gòu)建細(xì)節(jié)推薦系統(tǒng)能工作前提是把數(shù)據(jù)庫(kù)里的評(píng)分記錄轉(zhuǎn)換成算法能處理的矩陣。這部分代碼通常在recommend.py里我從源碼里摘出了關(guān)鍵邏輯def build_ratings_matrix(user_idNone): 從數(shù)據(jù)庫(kù)加載評(píng)分?jǐn)?shù)據(jù)構(gòu)建用戶-物品評(píng)分矩陣 :param user_id: 如果指定只構(gòu)建該用戶的評(píng)分向量用于實(shí)時(shí)預(yù)測(cè) :return: pandas DataFrame行用戶列電影 ratings Rating.objects.all().values(user_id, movie_id, rating) df pd.DataFrame(list(ratings)) # 透視表行是用戶列是電影值是評(píng)分 # 沒有評(píng)分的位是NaN參與計(jì)算時(shí)用0填充 matrix df.pivot_table( indexuser_id, columnsmovie_id, valuesrating ) if user_id: # 單用戶預(yù)測(cè)場(chǎng)景取該用戶的行 return matrix.loc[user_id].values.reshape(1, -1) return matrix.values這段代碼用pivot_table完成了從關(guān)系表到矩陣的轉(zhuǎn)換。注意沒有評(píng)分的位置是 NaN上一節(jié)相似度計(jì)算代碼里np.nan_to_num處理的就是這些空洞。實(shí)際使用中矩陣很稀疏大部分用戶只看過幾十部電影而電影庫(kù)有幾萬部所以矩陣的稀疏度往往在 99% 以上。這也是為什么不能直接用原始矩陣做相似度計(jì)算——內(nèi)存會(huì)先撐不住5000 個(gè)用戶 × 10000 部電影就算用 float32 存儲(chǔ)也要 200MB。如果你要在大數(shù)據(jù)集上跑應(yīng)該用scipy.sparse的稀疏矩陣格式代替這里的稠密矩陣或者使用surprise庫(kù)的Dataset.load_from_df接口直接加載原始三元組。5. 部署與排錯(cuò)避坑四個(gè)常見問題與排查手段5.1 評(píng)分表為空導(dǎo)致推薦結(jié)果全空現(xiàn)象系統(tǒng)能登錄、能瀏覽電影但推薦頁面沒有任何內(nèi)容后端日志也沒有報(bào)錯(cuò)。原因我最初拿到這套源碼時(shí)直接跑了2-run.bat沒仔細(xì)看1-install.bat的執(zhí)行日志結(jié)果進(jìn)入系統(tǒng)后推薦列表全是空的。排查了半天才發(fā)現(xiàn)數(shù)據(jù)庫(kù)里的ratings表壓根沒有數(shù)據(jù)協(xié)同過濾算法沒有輸入自然沒有輸出。解決先檢查數(shù)據(jù)庫(kù)初始化是否完成執(zhí)行SELECT COUNT(*) FROM ratings;看數(shù)據(jù)量如果表是空的回到第 3 章說的loaddata步驟把初始評(píng)分?jǐn)?shù)據(jù)導(dǎo)入。還有一個(gè)更快的驗(yàn)證方法打開“電影列表”頁面隨便給幾部電影打分再回到推薦頁面刷新如果有推薦內(nèi)容了說明算法鏈路沒問題只是初始數(shù)據(jù)缺失。5.2 數(shù)據(jù)庫(kù)中文亂碼的根源在字符集現(xiàn)象電影標(biāo)題和簡(jiǎn)介顯示成亂碼從 Navicat 里看數(shù)據(jù)是好的頁面上卻是?±‰?-—這樣的怪字符。原因字符集不一致。MySQL 庫(kù)和表是latin1編碼Django 連接串里寫的是utf8mb4兩邊對(duì)不上。多數(shù)情況是建庫(kù)時(shí)沒指定字符集MySQL 5.x 默認(rèn)用的還是latin1。解決重來一遍最省事。執(zhí)行DROP DATABASE movie_recsys;然后重新建庫(kù)建庫(kù)時(shí)強(qiáng)制指定字符集CREATE DATABASE movie_recsys DEFAULT CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;如果數(shù)據(jù)已經(jīng)導(dǎo)入了不想丟就用ALTER DATABASE movie_recsys CHARACTER SET utf8mb4;改庫(kù)級(jí)配置再逐表執(zhí)行ALTER TABLE xxx CONVERT TO CHARACTER SET utf8mb4;。但從我的經(jīng)驗(yàn)看趁數(shù)據(jù)量小直接重建更干凈省得半路出幺蛾子。5.3 雙擊 bat 腳本窗口一閃而過現(xiàn)象雙擊1-install.bat或2-run.bat窗口彈出來瞬間就消失了什么都來不及看。原因腳本執(zhí)行報(bào)錯(cuò)但pause命令沒有被執(zhí)行到。常見的坑是requirements.txt里某個(gè)包安裝失敗或者 Python 沒加入系統(tǒng) PATH腳本第一行python -m venv venv就找不到解釋器。解決永遠(yuǎn)不要在文件管理器里雙擊 bat 腳本而是先打開命令行窗口再手動(dòng)執(zhí)行腳本。在項(xiàng)目根目錄按住 Shift 右鍵選擇“在此處打開 PowerShell 窗口”輸入.\1-install.bat回車這樣窗口不會(huì)閃退報(bào)錯(cuò)信息能完整看到。報(bào)錯(cuò)之后不要反復(fù)重跑先把報(bào)錯(cuò)貼到搜索引擎查大概率是缺某個(gè) Python 版本的依賴包。5.4 修改數(shù)據(jù)庫(kù)配置后系統(tǒng)不生效現(xiàn)象改了settings.py里的數(shù)據(jù)庫(kù)密碼和庫(kù)名重啟服務(wù)后依然連不上原來的庫(kù)或者干脆報(bào)ImproperlyConfigured。原因settings.py里可能有多處數(shù)據(jù)庫(kù)配置或者項(xiàng)目使用了環(huán)境變量覆蓋配置。Django 項(xiàng)目里常見的做法是放一個(gè).env文件實(shí)際運(yùn)行時(shí).env的值會(huì)覆蓋settings.py里的默認(rèn)值。解決搜索整個(gè)項(xiàng)目目錄看有沒有.env文件有的話把數(shù)據(jù)庫(kù)連接信息在.env里也改一遍。如果項(xiàng)目用了python-decouple或django-environ這類庫(kù)settings.py里讀的就是環(huán)境變量而不是硬編碼值。我拿到這套源碼后先全局搜索了DATABASE_URL、DB_NAME、DB_PASSWORD這幾個(gè)關(guān)鍵詞能快速定位所有需要改的配置點(diǎn)而不是只盯著settings.py一個(gè)文件。6. 進(jìn)階玩法離線評(píng)測(cè)推薦效果與 K 值調(diào)優(yōu)把系統(tǒng)跑通只是第一步你要是想在畢業(yè)設(shè)計(jì)里加一點(diǎn)差異化亮點(diǎn)我強(qiáng)烈建議做離線評(píng)測(cè)。這一章的思路是把評(píng)分?jǐn)?shù)據(jù)按 8:2 切分成訓(xùn)練集和測(cè)試集用訓(xùn)練集跑推薦算法再拿測(cè)試集里的真實(shí)評(píng)分和預(yù)測(cè)評(píng)分做對(duì)比得出 MAE 和 RMSE 兩個(gè)指標(biāo)。這套評(píng)測(cè)代碼是通用的你拿任何協(xié)同過濾實(shí)現(xiàn)都能用import numpy as np from sklearn.model_selection import train_test_split def evaluate_recommendation(ratings_matrix, item_sim_matrix, test_ratio0.2, k20): 離線評(píng)測(cè)推薦算法的預(yù)測(cè)精度 :param ratings_matrix: 完整評(píng)分矩陣 :param item_sim_matrix: 物品相似度矩陣 :param test_ratio: 測(cè)試集比例默認(rèn)20% :param k: 相似度鄰居數(shù)量評(píng)測(cè)時(shí)可以多試幾個(gè)值對(duì)比 :return: MAE和RMSE from sklearn.metrics import mean_absolute_error, mean_squared_error # 只保留有評(píng)分的索引 user_ids, movie_ids np.where(~np.isnan(ratings_matrix)) actual_ratings ratings_matrix[user_ids, movie_ids] # 切分訓(xùn)練/測(cè)試索引 train_idx, test_idx train_test_split( np.arange(len(user_ids)), test_sizetest_ratio, random_state42 ) # 構(gòu)建訓(xùn)練矩陣把測(cè)試集位置的評(píng)分置為NaN模擬“沒看過” train_matrix ratings_matrix.copy() for idx in test_idx: train_matrix[user_ids[idx], movie_ids[idx]] np.nan # 對(duì)每個(gè)測(cè)試樣本做預(yù)測(cè) predictions [] for idx in test_idx: u, m user_ids[idx], movie_ids[idx] pred predict_rating(u, m, train_matrix, item_sim_matrix, kk) predictions.append(pred) mae mean_absolute_error(actual_ratings[test_idx], predictions) rmse np.sqrt(mean_squared_error(actual_ratings[test_idx], predictions)) return mae, rmse這段代碼的寫法是拿來即用的核心思想是把用戶真實(shí)的評(píng)分藏起來當(dāng)成測(cè)試集看算法能不能“猜中”藏在測(cè)試集里的評(píng)分。如果 MAE 小于 0.8說明推薦質(zhì)量不錯(cuò)——平均值誤差不到一分評(píng)分范圍 1-5 分這個(gè)成績(jī)?cè)诖疝q時(shí)能打。我實(shí)踐下來ItemCF 在電影評(píng)分場(chǎng)景的 MAE 通常在 0.70.9 之間低于 0.7 說明數(shù)據(jù)質(zhì)量極高或者測(cè)試集劃分太寬松。評(píng)測(cè)跑通之后可以做 K 值敏感性實(shí)驗(yàn)把 K 從 5 依次漲到 50記錄每個(gè) K 值對(duì)應(yīng)的 MAE畫一張 K-MAE 折線圖。這張圖放進(jìn)論文的“實(shí)驗(yàn)與分析”章節(jié)特別能撐場(chǎng)面。我自己的經(jīng)驗(yàn)是 K 值在 20 附近時(shí) MAE 最低K 太小預(yù)測(cè)容易走極端K 太大則會(huì)把相似度低的電影卷進(jìn)來。如果數(shù)據(jù)集有 10 萬條以上評(píng)分你還能再加一個(gè)對(duì)比實(shí)驗(yàn)UserCF vs ItemCF定量證明你的選型理由。從那以后我拿到任何推薦系統(tǒng)的源碼第一件事都是先跑一遍離線評(píng)測(cè)再上線跑服務(wù)這套流程已經(jīng)變成我看推薦工程項(xiàng)目源碼的習(xí)慣了希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取