Python+Django+Mysql个性化租房推荐系统 房屋租赁推荐系统 基于深度学习/机器学习/人工智能 基于用户的协同过滤推荐算法 爬虫 可视化数据分析

发布时间:2024年01月13日

Python+Django+Mysql个性化租房推荐系统 房屋租赁推荐系统 基于深度学习/机器学习/人工智能 基于用户的协同过滤推荐算法 爬虫 可视化数据分析HouseRecommendSysPy

一、项目简介

1、开发工具和使用技术

Python,Django,mysql8,navicat数据库管理工具,html页面,javascript脚本,jquery脚本,bootstrap前端框架,layer弹窗组件、echarts可视化组件等。

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:注册、登录、退出登录、浏览房屋、搜索房屋、信息修改、密码修改、房屋评分、房屋收藏、房屋评论、用户留言、排行榜、热点推荐、个性化推荐房屋、出租房屋管理等功能;

后台管理员包含:数据分析、用户管理、房屋管理、评分管理、收藏管理、评论管理、浏览记录管理、留言管理等。

个性化推荐功能:
游客:热点推荐(根据房屋总评分降序推荐);
登录用户:基于用户的协同过滤推荐算法(根据评分数据),如果没有推荐结果,
采用热点推荐(推荐总评分较高的房屋,同时是登录用户没有评分的)。

人气榜单:查询浏览数量最多的房屋,同时不包括当前登录用户浏览过的房屋

相关推荐:
推荐与当前房屋相同厅室下收藏量较高的房屋,同时不包括当前登录用户收藏过的房屋。

房屋数据来源:爬取58同城房屋数据

3、开发步骤

一、需求分析
主要是分析需要实现的功能、确定开发工具及技术等。例如:前台用户需要有登录、注册、注销、搜索房屋、房屋评分、个性化推荐等,后台管理员需要有登录、注销、用户管理、房屋管理、房屋类型管理等,个性化推荐使用基于用户的协同过滤推荐算法等。Python开发语言,mysql数据库,django开发框架等。
二、数据库设计
数据库设计使用navicat数据库管理工具,可通过sql语句脚本生成数据库表,也可以直接操作新建表设计表等。注意主外键关联设计,例如:评分记录表需要外键关联用户表和房屋表。
三、页面设计
使用bootstrap前端框架,通过学习https://v5.bootcss.com/官方文档和开发案例来设计页面。
四、开发框架搭建
Django开发框架搭建请参考:使用pycharm创建django项目讲解.doc
五、功能开发
首先是进行前台用户首页的开发,其次是房屋详情,然后是用户注册、登录等,接着是用户的评分、修改信息等,然后是进行管理员功能的开发,最后是进行前台用户的个性化推荐功能实现。
六、系统测试
主要是进行bug修改,推荐算法测试。

二、项目展示

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

三、代码展示及运行结果

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

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。
文章来源:https://blog.csdn.net/u011291472/article/details/135552989
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。