使用向量机（SVM）算法的推荐系统部署实现

包括3个模块：数据预处理、模型训练及保存、模型测试，下面分别给出各模块的功能介绍及相关代码。

数据集下载链接为https://www.aitechclub.com/data-detail? data_id=29，停用词典下载链接为http://www.datasoldier.net/archives/636。

1.数据整合
原始数据包含在两个文件夹中，每个文件夹各有2000条消极和2000条积极的评论，因此，需要先做评论数据整合，将两个评论放在.txt文档中。

2.文本清洗
进行文本特殊符号（如表情）的清理删除。

3.文本分词
将分词后的文本转化为以高维向量表示的方式，这里使用微信中文语料训练的开源模型。

模型训练及保存
通过训练集训练数据得出模型，使模型进行情感分类。这里，使用训练集和测试集来拟合并保存模型。
1.加载词向量表，并设置训练集和测试集

 模型训练并保存
相关代码如下

模型测试
使用模型对已经爬取的评论集进行打分。
1.爬取评论
在携程酒店爬取指定酒店ID的评论集。 

2酒店打分
将爬取的评论用模型训练时处理数据的方式进行同样的处理，相关代码如下：

3.界面设置
本部分输入指定名称，在数据库中搜索数据，调出酒店分数和排名。生成Django项目，包括hello.html、view.py、settings.py、urls.py。
1）创建Django项目

    django - admin startproject HelloWorld

在HelloWorld目录下创建templates，并建立hello.html文件。本部分包括界面文件和处理提交数据，从数据库中搜索给出相关信息。
2）html布局文件
相关代码如下：

3）后台调用数据库
相关代码如下：