django电影推荐系统

电影推荐

启动

./bin/pycharm.sh

django-admin startproject movie_recommendation_project

cd movie_recommendation_project/

python manage.py movie_recommendation_app

python manage.py startapp movle_recommendation_app

ls

python manage.py runserver

Using the URLconf defined in movie_recommendation_project.urls, Django tried these URL patterns, in this order:

admin/
movie/

The empty path didn’t match any of these.

You’re seeing this error because you have DEBUG = True in your Django settings file. Change that to False, and Django will display a standard 404 page.

第二步

def recommendation(request):
    # 创建Spark会话
    spark = SparkSession.builder.appName("MovieRecommendation").getOrCreate()

    # 加载电影评分数据集
    data_path = "/home/hadoop/Downloads/movie_recommend/movie_recommend/personalRatings.dat"  # 替换为实际数据文件的路径
    # 使用正确的分隔符来读取数据
    ratings = spark.read.csv(data_path, header=False, sep="::", inferSchema=True)

    # 为数据集添加列名
    ratings = ratings.withColumnRenamed("_c0", "userId") \
    .withColumnRenamed("_c1", "movieId") \
    .withColumnRenamed("_c2", "rating") \
    .withColumnRenamed("_c3", "timestamp")

    # ratings.show(10)
    # 创建ALS推荐模型
    als = ALS(userCol="userId", itemCol="movieId", ratingCol="rating", coldStartStrategy="drop")
    model = als.fit(ratings)

    # 为某个用户生成电影推荐
    user_id = 3  # 替换为您要为其生成推荐的用户ID
    user_ratings = ratings.filter(ratings["userId"] == user_id)
    # user_ratings.show()
    user_unrated_movies = ratings.filter(ratings["userId"] != user_id).distinct()
    # user_unrated_movies = ratings.filter(ratings["userId"] != user_id).select("movieId").distinct()
    # user_unrated_movies.show()
    recommendations = model.transform(user_unrated_movies)

    # 获取前N个推荐电影
    top_n_recommendations = recommendations.orderBy("prediction", ascending=False).limit(10)
    # top_n_recommendations.show()
    # for recommendation2 in top_n_recommendations.collect():
    #     print(recommendation2.movieId)

    # 在视图中进行数据转换
    recommendation_data = [{"movieId": row.movieId, "prediction": row.prediction} for row in top_n_recommendations.collect()]

    # 将数据传递给模板
    context = {
        "user_id": user_id,
        "recommendations": recommendation_data  # 使用转换后的数据
    }

    return render(request, "recommendation.html", context)

1::3::3::978301968

1::4::4::978300275

1::5::5::978824291

1::6::3::978302268

1::7::5::978302039

1::8::5::978300719

2::7::7::978302037

2::8::8::978300718

3::1::5::978300760

3::2::3::978302109

4::7::5::178302039

4::8::5::178300719

html

<!DOCTYPE html>
<html>
<head>
    <title>电影推荐</title>
</head>
<body>
    <h1>电影推荐结果</h1>
    <p>为用户 {{ user_id }} 推荐的电影：</p>
    <ul>
        {% for recommendation in recommendations %}
            <li>电影ID: {{ recommendation.movieId }}, 推荐评分: {{ recommendation.prediction }}</li>
        {% endfor %}
    </ul>
</body>
</html>

第三步

结课

DiVoMiner®-让研究更容易

Django（含 flask）框架下 web 软件任务分工（供参考）

:最多 5 个人一组（得分：100%、90%、

80%、70%、70%），最少 1 个人一组。最后一次实践课展示答辩软件。

1. 数据集导入功能（设置 csv、excel、txt 等格式文件导入按钮，点击可上传导入数据集），

数据集不少于 5000 条，选文本等非结构数据（新浪微博评论、抖音视频评论、领导留

言板数据、裁判文书数据等）加分

2. 数据集统计信息可视化：（

1）基本信息：数据量、行、列数目等（

2）类别数据的占比饼

图

等等，

可参考：

https://me.divominer.cn/projects3. 数据预处理选项按钮（可选择处理哪些列，预处理结果保存为新的列，设置缺失值处理，

数值型数据标准化，类别型数据编码等按钮，按后完成相应操作，文本数据预处理可以

自行增加更多按钮，实现更多预处理功能）

4. 实现如下功能之一即可：分类、聚类、回归、情感分析、主题挖掘等。设置模型选择下

拉菜单，可选择相应模型，选择后，对相应模型进行分析，分析参考思路：

5. 设置数据分析报告模板（word 文件模板），分析完一键生成分析报告，对应的可视化图、

模型结果、模型评价等信息存入 word 模板，并对话框提示分析报告存放位置。（参考如

下图）。

6. 软件封装成 exe 文件

django

render函数通常需要三个参数，但也可以接受可选参数。这些参数的一般形式如下：

pythonCopy code
render(request, template_name, context, content_type=None, status=None, using=None)

request: 这是HTTP请求对象，通常是request参数。它包含有关用户请求的信息，如请求的URL、HTTP方法、用户的会话等。
template_name: 这是要渲染的模板文件的名称。它通常是一个字符串，指定要使用的模板文件的路径，相对于您的Django应用中的模板目录。例如，如果您的模板文件位于应用的templates目录下，可以提供模板文件的相对路径。
context: 这是一个字典，其中包含要传递到模板中以供渲染的数据。这些数据可以在模板中使用，以动态生成页面内容。
content_type (可选): 这是响应的内容类型（Content Type），通常为字符串，用于指定响应的MIME类型。如果未指定，Django将使用默认的MIME类型。
status (可选): 这是HTTP响应的状态码，通常是一个整数。如果未指定，Django将使用默认的200 OK状态码。
using (可选): 这是一个字符串，用于指定要使用的模板引擎的名称。如果您使用的是Django的默认模板引擎，通常不需要指定此参数。如果您在项目中配置了多个模板引擎，可以使用此参数来指定要使用的模板引擎的名称。

urls

urlpatterns = [ path('', views.movie, name='movie'), path('recommendation/', views.recommendation, name='recommendation'), path('chart/', views.chart, name='chart'), ]解释一下这个

这是一个典型的Django应用中的URL映射（URL patterns）定义，它指定了不同URL路径与视图函数之间的映射关系。让我解释这个URL映射的每一部分：

urlpatterns 是一个列表，其中包含了Django应用的所有URL模式。
path('', views.movie, name='movie') 是一个URL模式定义。它包括以下三个部分：

- ' '：这是URL模式的路径部分。在这种情况下，它是空字符串，表示应用的根URL路径（例如，http://example.com/）。
- views.movie：这是与该URL路径关联的视图函数。在这里，它指定了名为movie的视图函数，通常位于views.py文件中。
- name='movie'：这是该URL模式的名称，以便在代码中引用或生成URL时使用。它被设置为'movie'，允许您在其他地方引用此URL模式，例如，从模板或其他视图函数中生成链接。

同样的逻辑适用于后续的两个URL模式：

- path('recommendation/', views.recommendation, name='recommendation')：这个URL模式将路径"/recommendation/"映射到名为recommendation的视图函数，并分配了名字'recommendation'。
- path('chart/', views.chart, name='chart')：这个URL模式将路径"/chart/"映射到名为chart的视图函数，并分配了名字'chart'。

总之，这个URL映射定义允许Django应用在根路径（空路径）、"/recommendation/"和"/chart/"路径上响应不同的视图函数，并为每个路径分配了一个独特的名称，以便在代码中引用和生成URL。这有助于管理应用中的不同URL路径和视图之间的关系。