《推荐系统开发实战》之三大案例带你从0到1自己实现一个推荐系统

转载请注明出处：http://blog.csdn.net/gamer_gyt
博主微博：http://weibo.com/234654758
Github：https://github.com/thinkgamer
公众号：搜索与推荐Wiki
个人网站：http://thinkgamer.github.io

---

俗话说的好：“眼看千遍,不如手写一遍”，前几篇介绍了推荐系统的来源、发展、数据预处理、常见的推荐算法，以及冷启动和推荐系统效果评估。本篇文章将会通过实例介绍推荐系统的完整开发过程，以便大家有更加直观、系统的理解。

在学习了《推荐系统开发实战》的一些基础知识之后，如何才能将这些知识应用到实际的案例中呢，本文介绍了以下三个案例，来带领大家温习和应用学到的知识。三大案例包含：

• 新闻推荐系统
• 音乐推荐系统
• 图书推荐系统

新闻推荐系统

实现的第一个案例是新闻推荐系统，这里使用的数据集为：某新闻网站指定日期前的部分新闻数据，节选的几个主题为：国际要闻、互联网、经济要闻、社会公益、书评、影视综艺。爬取的每条数据包含三个字段：标题、时间、正文，如图所示。

在得到基础数据之后就是对数据的预处理，其主要包括： - 对原始数据的加工 - 新闻相似度计算 - 新闻热度值计算 - 指定标签下的新闻统计

其系统的整体架构如下所示：

其中各个模块介绍如下。

• MySQL数据存储：这里使用MySQL存储系统所使用的数据。系统实现选用的是Python的Django框架，在框架中有对数据对象的封装，在第11.4节中将会说明所创建的数据对象。

• 用户选择：系统指定了三个用户（张三、李四、王五）作为演示用户，只是为了区分不同用户、不同行为，“为你推荐”的内容也不同。

• 选择标签：用户与系统的交互过程，解决系统的冷启动。当然用户也可以不选择相应的标签，此时“为你推荐”模块显示的是热度数据。

• 用户点击浏览文章：即用户在系统中产生了相关行为，每篇文章的详细页都会推荐该篇文章的相似文章。

• 热度榜：按照第11.2.2节中计算的热度值进行排序，显示热度值较大的新闻。

• 为你推荐：如果用户是初次登录，则根据用户选择的标签返回“为你推荐”的内容；若用户没有选择标签，则返回热度值较高的新闻作为“为你推荐”的内容；如果用户是在点击浏览过新闻之后返回“为你推荐”模块，则返回用户有行为文章的相似文章，作为“为你推荐”的内容。

系统整体架构设计比较简单，和线上真正应用的复杂的推荐系统是有很大差距的，但实现思路是一致的。

接下来就是系统实现了，本实例采用前后端分离的形式进行实现，后端采用Python的Django框架进行开发，前端采用Vue.js框架开发。

后端开发依赖于Python 3.6版本，其中使用的包为：Django2.1，PyMySQL0.9.2，jieba0.39，xlrd1.1.0，gensim==3.6.0。

前端开发依赖于node.js环境，使用的是Vue.js框架，node.js对应的版本是10.13。

其最终实现的效果图如下：

通过这样一个实例，推荐系统变得不那么抽象，更加直观地展示在读者眼前。当然，每一个推荐系统背后都要付出很多，而不仅是算法层面，在从事相关工作时，更要拥有全局意识，要明白一个好的推荐系统是数据、算法、架构和展示等共同决定的，而不是靠“一己之力”。

音乐推荐系统

过多的内容这里不展开介绍，大家看下效果图，感兴趣的化可以关注《推荐系统开发实战》

---

图书推荐系统

---

注：《推荐系统开发实战》是小编近期要上的一本图书，预计本月（7月末）可在京东，当当上线，感兴趣的朋友可以进行关注！

---

【技术服务】，详情点击查看： https://mp.weixin.qq.com/s/PtX9ukKRBmazAWARprGIAg

---

扫一扫 关注微信公众号！号主 专注于搜索和推荐系统，尝试使用算法去更好的服务于用户，包括但不局限于机器学习，深度学习，强化学习，自然语言理解，知识图谱，还不定时分享技术，资料，思考等文章！

---