基于Flask的视频网站设计与实现(Python电影视频推荐系统)

目录

第 1 章 绪论 1
1.1 研究背景及意义 1
1.2 国内外研究现状 1
1.3 本文研究目标和研究内容 4
1.4 论文结构安排 4
第 2 章 推荐算法的研究 7
2.1 推荐算法简介 7
2.1.1 协同过滤算法 7
2.1.2 基于内容的推荐算法 7
2.1.3 基于标签的推荐算法 7
2.2 系统实现算法介绍 8
2.2.1 基于用户的协同过滤算法 8
2.2.2 基于物品的协同过滤算法 8
2.3 相似度计算 9
2.4 推荐算法评测指标 10
2.4.1 评分预测 10
2.4.2 TopN 推荐 10
2.5 本章小结 10
第 3 章 实验设计及系统实现相关技术的研究 11
3.1 实验设计及结果分析 11
3.1.1 实验环境 11
3.1.2 实验设计 11
3.2 系统实现相关技术的研究 14
3.2.1 Python 语言研究 15
3.2.2 Flask 框架研究 15
3.2.3 MySQL 数据库研究 16
3.3 本章小结 17
第 4 章 推荐系统的设计与实现 19
4.1 国内外主流视频网站推荐效果调研 19
4.1.1 国内视频网站调研 19
4.1.2 国外视频网站调研 20
4.2 需求分析 21
4.3 用户功能需求 21
4.4 系统设计 21
4.4.1 系统总体架构 21
4.4.2 系统功能模块简述 23
4.5 数据库介绍与设计 32
4.5.1 实验数据集介绍 32
4.5.2 数据库逻辑结构设计 33
4.5.3 系统 E-R 图 34
4.5.4 系统数据表设计 35
4.6 本章小结 36
第 5 章 总结与展望 39
5.1 总结 39
5.2 不足之处及未来展望 39
参考文献 41
致 谢 43
1.3 本文研究目标和研究内容
本论文的研究目标是通过协同过滤算法实现一个个性化电影推荐系统:用户首先通过 填写用户名、密码、邮箱地址注册后进入系统,然后对系统主页所展示的8个类别的电影 中看过的电影进行评分,0.5分为最低分,满分为5分,所对应的评价分别是:不喜欢、一 般、喜欢、推荐.提交评分后浏览器将评分数据通过表单提交到数据库,推荐系统后台的 分析算法通过UserCF(基于用户的协同过滤算法)和ItemCF(基于物品的协同过滤算法) 给出两种推荐.即一个是基于用户之间的相似度,一个是基于电影之间的相似度.
本文主要研究内容包括:
(1)研究原始的协同过滤算法,并调研应用该算法的视频网站.
(2)对原始的协同过滤算法做出改进,使推荐结果更加切符合用户兴趣.
(3)选定Top-N推荐的常用评价标准召回率和准确率与原始的协同过滤算法进行比较.
(4)以传统的协同过滤算法为基础,设计和实现一个个性化电影推荐系统,并从需 求分析、系统设计、系统实现三个方面对该系统进行阐述.

1.4 论文结构安排
本文的结构安排如下: 第一章 绪论
主要阐述个性化推荐系统技术的研究背景及意义,说明推荐系统的实用性,讲解推荐 算法的国内外研究现状以及推荐系统的国内外应用现状,并简述本文的研究目标以及研究 内容.
第二章 推荐算法的研究 分析并介绍现有的几种推荐算法:协同过滤算法、基于内容的推荐算法、基于标签的
推荐算法,重点分析协同过滤算法.简要介绍相似度的计算公式:余弦相似度、欧式距离、 皮尔逊(Pearson)相关系数以及曼哈顿距离,本系统所用的相似度计算公式为余弦相似度.还 介绍了几种推荐系统常用的评测指标.
第三章 实验设计及系统实现相关技术的研究

介绍了三个实验的设计流程及结果分析,对算法进行了评测.介绍了实现系统所需技 术,重点介绍了Python、Flask和MySQL.
第四章 推荐系统的设计与实现 对国内外主流视频网站进行调研.阐述了系统的需求分析,详细描述了系统的各个功能
模块设计、数据库设计以及界面展示等方面的内容. 第五章 总结与展望
本章对整篇论文的研究过程进行回顾,并总结出不足之处,对推荐系统的后续研究做 出相关探讨.

第 2 章 推荐算法的研究

2.1 推荐算法简介

2.1.1 协同过滤算法 协同过滤算法[12]主要包括基于用户的协同过滤算法(UserCF)和基于物品的协同过滤
算法(ItemCF)两种推荐算法.
基于用户的协同过滤算法是推荐系统中最古老的算法,它是推荐系统诞生的标志[17]. 其主要包括两个步骤:
(1)找到和目标用户兴趣相似的用户集合
(2)找到这个集合中大多数用户都喜欢的,且目标用户没有买过或者看过的物品进 行推荐[18]
基于物品的协同过滤算法目前使用也很普遍.很多著名的视频网站如:Hulu、YouTube 推荐算法的基础都是该算法.该推荐算法的原理是向用户推荐和他们之前购买过的物品相 似度很高的物品.比如,该算法会因为你购买过《python编程从入门到实践》而给你推荐《用 python写网络爬虫》.主要分为两个步骤:
(1)计算各个物品间的相似度
(2)对物品的相似度从高到低进行排序,然后挑选一定数量的相似度较高物品进行 推荐.或者根据用户曾经的历史记录进行推荐.

2.1.2 基于内容的推荐算法 从每个物品中抽取一些特征,然后利用一个用户过去喜欢和不喜欢的物品的特征数据
来学习此用户的喜好特征.通过比较用户的特征和物品的特征,给用户推荐相似度较高的
物品.基于内容的推荐算法保护了用户之间的独立性,并且能很好的解决物品的冷启动问 题.
基于内容的推荐算法可以充分将项目内容和用户本身的诸多特征联系起来,比如一部 电影的演员、导演、类型,用户的性别、年龄、职业等.
其根据用户历史行为构造出用户偏好文档,计算所推荐的项目与用户偏好文档的相似 度,选择最相似的项目推荐给用户.首先为每个物品构建一个物品的属性资料,然后为每 个用户建立其一个喜欢的物品集,本文转载自http://www.biyezuopin.vip/onews.asp?id=12268最后计算其和物品属性资料的相似度.相似度高意味着 用户可能喜欢这个物品,相似度很低则意味着用户会讨厌这个物品[13].

2.1.3 基于标签的推荐算法 标签是一种无层次化结构的、用来描述信息的关键词,可以描述物品的内涵特征.有
很多网站都利用了标签系统.比如:CiteULike论文书签网站,它允许科研人员收藏自己喜
欢的论文并给论文打上标签[21].还有国内的豆瓣网站,豆瓣网允许用户对电影以及图书等 打标签,系统利用打标签这个途径可以获悉图书和电影的内容以及所属类别.


{% load staticfiles %}


	
		
		推荐系统主页
		
{#        #}
{#        #}
        
        


        
  
{#  #}
        
{#和分类标签排版有关#}
        
        
{#        #}

        
{#		#}
{#        #}

        
	

	
{#		

电影分类

#} {##}
{% if user.is_authenticated %} {% else %}

您还没有登录,请 或者

{% endif %}

{# movieId:
#}
评分:
{#实现不刷新#} {#

#} {# {% if rating %}#} {# #} {# {% endif %}#} {#

#} {#动作片#}
{#恐怖片#} {# 喜剧片#} {# 科幻#} {# 犯罪#} {# 剧情片#}
{% csrf_token %} {# 姓名:#} {#
#}


{#
#} {# {% csrf_token %}#} {# 姓名:#} {#
#} {# #} {# #} {##} {#
#} {##} {#
#} {# #} {#
#}

基于Flask的视频网站设计与实现(Python电影视频推荐系统)_第1张图片
基于Flask的视频网站设计与实现(Python电影视频推荐系统)_第2张图片
基于Flask的视频网站设计与实现(Python电影视频推荐系统)_第3张图片
基于Flask的视频网站设计与实现(Python电影视频推荐系统)_第4张图片
基于Flask的视频网站设计与实现(Python电影视频推荐系统)_第5张图片
基于Flask的视频网站设计与实现(Python电影视频推荐系统)_第6张图片
基于Flask的视频网站设计与实现(Python电影视频推荐系统)_第7张图片
基于Flask的视频网站设计与实现(Python电影视频推荐系统)_第8张图片
基于Flask的视频网站设计与实现(Python电影视频推荐系统)_第9张图片
基于Flask的视频网站设计与实现(Python电影视频推荐系统)_第10张图片
基于Flask的视频网站设计与实现(Python电影视频推荐系统)_第11张图片
基于Flask的视频网站设计与实现(Python电影视频推荐系统)_第12张图片
基于Flask的视频网站设计与实现(Python电影视频推荐系统)_第13张图片
基于Flask的视频网站设计与实现(Python电影视频推荐系统)_第14张图片
基于Flask的视频网站设计与实现(Python电影视频推荐系统)_第15张图片
基于Flask的视频网站设计与实现(Python电影视频推荐系统)_第16张图片
基于Flask的视频网站设计与实现(Python电影视频推荐系统)_第17张图片
基于Flask的视频网站设计与实现(Python电影视频推荐系统)_第18张图片
基于Flask的视频网站设计与实现(Python电影视频推荐系统)_第19张图片
基于Flask的视频网站设计与实现(Python电影视频推荐系统)_第20张图片

你可能感兴趣的:(python,flask,电影网站,视频网站,毕业设计)