python+django+mysql+基于协同过滤推荐算法+基于内容（用户属性）的个性化电影推荐系统开发实例教程 在线影视、视频、电影推荐系统PersonalizedMovieRecSystemPy
一、项目简介
1、开发工具和使用技术
Python3及以上版本，Django3.6及以上版本，mysql8，navicat数据库管理工具或者sqlyog数据库管理工具，html页面，javascript脚本，jquery脚本，echarts.js可视化图表工具，自定义星星评分功能（使用font-awesome星星图标字体）等。
2、实现功能
前台首页地址：http://127.0.0.1:8000/
后台首页地址：http://127.0.0.1:8000/admin
管理员账号：admin 管理员密码：admin
前台用户包含：登录、注册、忘记密码、退出登录、搜索电影、浏览电影、修改信息、密码修改、用户评分、用户收藏、用户评论、用户点赞、可视化排行榜、个性化推荐等功能；
后台管理员包含：电影类型管理、电影管理、用户管理、用户评分管理、用户收藏管理、用户评论管理、用户点赞管理、用户浏览管理、用户喜好管理、管理员管理等。
个性化推荐：
游客（用户未登录）：热门推荐（推荐用户喜好较高的电影）；
用户（用户已登录）：
基于用户的协同过滤推荐算法，根据用户喜好数据；
如果基于用户的协同过滤推荐算法没有推荐结果（冷启动和数据稀疏性问题造成没有推荐结果），采用基于用户属性的热门推荐（推荐与登录用户相同性别、年龄范围下的用户喜好较高的电影，这是粗粒度的个性化推荐，也有较好效果）；
如果基于用户属性的热门推荐没有推荐结果（项目刚上线，用户数据较少造成没有推荐结果），采用热门推荐（推荐用户喜好较高的电影）。
喜欢这部电影的人也喜欢：
先找到对当前电影有喜好值的用户，再找到这些用户下平均喜好值比较高的电影。
排行榜：
使用echarts.js组件实现柱状图和饼状图可视化效果。
用户点赞Top20：点赞量较高的前20个电影。
用户喜好电影类型：有用户喜好的电影中，电影类型的平均喜好值。
电影数据来源：爬取豆瓣电影网站
3、开发步骤
一、设计思路
先进行需求分析，得出需要实现的功能，
再进行数据库表的设计，数据表通过主外建实现关联关系
然后是页面设计，页面设计使用自定义html样式
接着是系统代码的开发，基础功能实现后是进行算法实现
二、框架描述
开发框架使用经典的django框架，这也是python web开发的主流框架
采用了MTV的框架模式，即模型M，视图V和模版T，
通过pycharm创建一个新的django框架项目，pycharm会生成django的基本配置，
直接运行后就可以在浏览器访问django默认首页
我们只是在生成的框架中添加自定义模块功能
django框架工作流程
1、用manage .py runserver 启动Django服务器时就载入了在同一目录下的settings.py。
该文件包含了项目中的配置信息，如前面讲的URLConf等，
其中最重要的配置就是ROOT_URLCONF，
它告诉Django哪个Python模块应该用作本站的URLConf，
默认的是urls.py
2、当访问url的时候，Django会根据ROOT_URLCONF的设置来装载URLConf。
3、然后按顺序逐个匹配URLConf里的URLpatterns。
如果找到则会调用相关联的视图函数，并把HttpRequest对象作为第一个参数(通常是request)
4、最后该view函数负责返回一个HttpResponse对象。
三、数据库的设计
数据库设计是使用navicat来创建，操作非常简便
四、算法的实现都是使用python常规函数，严格按照算法步骤实现（算法步骤代码注释很详细）
二、项目展示
三、代码展示及运行结果
专业长期研究java、python推荐算法（基于内容、协同过滤、关联规则、机器学习等）、大数据等，欢迎留言、私信互相交流学习，后续会不断更新，欢迎关注。
