基于Django的推荐系统、人脸识别登录、微信支付Demo、打卡门禁系统

1、推荐系统

图书管理、电影推荐、音乐推荐、在线课程选修、旅游推荐系统
图书管理点我跳转
电影管理点我跳转
课程管理点我跳转

2、算法

基于用户协同过滤推荐、物品协同过滤推荐、神经网络推荐、随机森林、支持向量机、Apriori关联规则
1、基于用户协同过滤推荐主要考虑的是用户和用户之间的相似度，只要找出相似用户喜欢的物品，并预测目标用户对对应物品的评分，就可以找到评分最高的若干个物品推荐给用户。

2、物品协同过滤推荐主要考虑的是物品和物品之间的相似度，只有找到了目标用户对某些物品的评分，那么就可以对相似度高的类似物品进行预测，将评分最高的若干个相似物品推荐给用户。

3、神经网络的协同过滤算法可以通过将用户和物品的特征向量作为输入，来预测用户对新物品的评分，从而解决冷启动问题。

对数据稀疏性的鲁棒性：神经网络的协同过滤算法可以自动学习用户和物品的特征向量，并能够通过这些向量来预测评分，因此对于数据稀疏的情况也能进行有效的预测。

更好的预测准确率：神经网络的协同过滤算法可以通过多层非线性变换来学习用户和物品之间的复杂关系，从而能够提高预测准确率。

可解释性和灵活性：神经网络的协同过滤算法可以通过调整网络结构和参数来优化预测准确率，并且可以通过可视化方法来解释预测结果。

所以基于神经网络协同过滤模型是目前推荐系统的主流形态。

4、Apriori算法是一种用于挖掘关联规则的频繁项集算法，它采用逐层搜索的迭代方法来发现数据库中项集之间的关系并形成规则。

其核心思想是利用Apriori性质来压缩搜索空间，即如果一个项集是非频繁的，那么它的所有父集也是非频繁的，反之亦然。

Apriori算法的过程包括连接和剪枝两个主要步骤。在连接步骤中，算法会生成候选项集，这些候选项集是由前一次迭代发现的频繁项集通过连接操作产生的。在剪枝步骤中，算法会去除那些支持度低于用户定义的最小支持度的项集。

3、功能

用户登录注册、全部书籍、热门书籍、推荐书籍、新书上市、个人中心、后台管理
点赞、评论、收藏、评分

4、技术栈

Python3.8、Django3、Xadmin3、Mysql5.7、MySQL8、Html、css、js

5、人脸识别登录

使用PyQT5来实现，调用摄像头获取人脸，通过第三方库获取人脸特征并保存到数据库，如果第二次人脸与保存的比对一致则识别成功。

6、微信支付Demo

聚合码支付，可以使用微信、支付宝扫码支付，一套支付代码Demo
一个二维码，用户可以使用微信、支付宝扫码支付。

1、设置支付金额，生成二维码

2、用户扫码

3、判断扫码来源

4、微信扫码，获取用户openid

5、支付宝扫码，获取用户user_id

6、用户手机显示支付界面

7、用户点击确认按钮

8、获取支付参数调起收银台

9、前端同步显示支付结果

10、后端异步修改订单状态