#874358#基于django/neo4j的电视剧浏览数据推荐系统

简介: #874358#基于django/neo4j的电视剧浏览数据推荐系统

@ #874358#基于django/neo4j的电视剧浏览数据推荐系统

本系统是基于neo4j的电视剧推荐系统,使用的是一份电视剧数据集,数据比较优质,包括电视剧名称,图片,播放地址,年份,分类等等几个字段,需要把数据初始化进neo4j建立对应的节点关系来推荐,初始化mysql给网站使用,然后django编写网站,用户首先可以看到电视剧的展示首页,可以浏览电视剧详情,并且可以在详情页面点击跳转第三方网站播放,然后可以根据浏览记录,去neo4j中查询有关联的电视剧,多种组合查询,进行推荐,下面是做的时候梳理的一些需求:

1、初始化数据进去neo4j以后,用户注册登录后,首页显示电视剧信息列表,用户可以点击进去看详细电视剧信息。

2、然后有个推荐页面,用户进去后会根据用户最近的浏览记录,

3、去neo4j查询同导演同类型电视剧,然后根据分数排序,取前20条推荐

无论文

唯一

无安装录制视频


功能总览

脑图图片:

详细截图介绍

登录注册退出
登录

注意,所有用户自己注册就好

注册:

常规注册

系统完整截图
首页展示


可以点击查看详情

详情


详情里的看电视剧是可以跳着第三方网站播放的哦

推荐


后端读的是neo4j,分别按照类目、主演、导演三个方向查找推荐

Neo4j
数据库展示

当然还有右上角退出啥的就不写了


系统环境

环境 版本 下载链接
windows 所有版本
python 3.6 必须是3.6
neo4j


系统安装启动

系统采用django开发,全套使用django就可以,数据库为sqlite和neo4j

提前安装好neo4j

  • 打开项目,安装python
  • 安装依赖包: pip install -r requests.txt -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
  • 启动django:python manage.py runserver
  • 出现下图为成功:


使用注意点

  • 项目启动后,请先修改neo4j的账户密码,搜索全项目中所有 g=Graph(‘http://localhost:7474’,user=‘neo4j’,password=‘123456’)
  • 修改密码
  • 初始化mysql数据,访问下面四个链接(注意,默认源码已经带了初始化好的sqlite,不用访问,如果修改了数据库,例如修改为mysql,再初始化)

http://localhost:8000/db_tv

  • 初始化neo4j(初次启动必须执行,记得提前把neo4j启动起来啊!!)

http://localhost:8000/init_neo


版权说明

本文谢绝转载,qalangtao.com

联系我,看简介


相关文章
|
4月前
|
机器学习/深度学习 数据采集 人工智能
别怪推荐系统不懂你,可能是你的数据“太模糊”了
别怪推荐系统不懂你,可能是你的数据“太模糊”了
232 9
|
7月前
|
存储 消息中间件 搜索推荐
京东零售基于Flink的推荐系统智能数据体系
摘要:本文整理自京东零售技术专家张颖老师,在 Flink Forward Asia 2024 生产实践(二)专场中的分享,介绍了基于Flink构建的推荐系统数据,以及Flink智能体系带来的智能服务功能。内容分为以下六个部分: 推荐系统架构 索引 样本 特征 可解释 指标 Tips:关注「公众号」回复 FFA 2024 查看会后资料~
476 1
京东零售基于Flink的推荐系统智能数据体系
|
数据采集 机器学习/深度学习 搜索推荐
Pandas数据应用:推荐系统
在数字化时代,推荐系统是互联网公司的重要组成部分,Pandas作为Python的强大数据分析库,在数据预处理和特征工程中发挥关键作用。常见问题包括缺失值、重复值处理及数据类型转换,解决方案分别为使用`fillna()`、`drop_duplicates()`和`astype()`等函数。常见报错如KeyError、ValueError和MemoryError可通过检查列名、确保数据格式正确及分块读取数据等方式解决。合理运用Pandas工具,可为构建高效推荐系统奠定坚实基础。
245 18
Pandas数据应用:推荐系统
|
SQL 监控 数据库
深入探索Django ORM:高效数据操作的秘诀与实践####
在当今的Web开发领域,提升数据访问层的效率是优化应用性能的关键。本文旨在通过剖析Django框架中的ORM(对象关系映射)机制,揭示其如何简化数据库交互,并探讨一系列高级技巧与策略,帮助开发者构建更高效、可维护的数据访问代码。我们不涉及安装步骤或基础概念,而是聚焦于实战经验分享,旨在为中高级开发者提供深度洞见。 ####
|
机器学习/深度学习 算法 搜索推荐
django调用矩阵分解推荐算法模型做推荐系统
django调用矩阵分解推荐算法模型做推荐系统
210 4
|
JavaScript 前端开发 Python
django接收前端vue传输的formData图片数据
django接收前端vue传输的formData图片数据
301 4
|
监控 应用服务中间件 网络安全
#637481#基于django和neo4j的日志分析系统
#637481#基于django和neo4j的日志分析系统
208 4
|
自然语言处理 数据可视化 数据库
#7892133 基于django和neo4j的旅游领域问答系统和图谱展示
#7892133 基于django和neo4j的旅游领域问答系统和图谱展示
111 1
|
数据库 数据安全/隐私保护 数据库管理
#765372#基于django和neo4j的通用数据展示系统
#765372#基于django和neo4j的通用数据展示系统
186 1
|
搜索推荐 关系型数据库 数据库
#646253#基于django/neo4j的电影打分推荐系统
#646253#基于django/neo4j的电影打分推荐系统
176 0