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

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

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。