企业官网建设流程全解析

本项目为前几天收费帮学妹做的一个项目，在工作环境中基本使用不到，但是很多学校把这个当作编程入门的项目来做，故分享出本项目供初学者参考。

一、项目描述

基于 Django + 协同过滤算法的豆瓣电影推荐系统，前端 Bootstrap，后端 SQLite，内置约 2250 部电影数据，根据用户评分与标签偏好生成个性化推荐，准确率约 75%。

### 访问地址
– 首页： http://127.0.0.1:8000/ （账号test111 / 密码123456）
– 后台： http://127.0.0.1:8000/admin/ （账号admins / 密码admins）

二、项目功能

– 电影展示：列表分页、热门排序、收藏排序、时间排序、评分排序
– 标签分类与电影搜索（按片名/导演/简介）
– 用户注册、登录、注销、信息修改
– 电影评分、收藏、评论、评论点赞
– 两种推荐算法：基于用户的皮尔逊协同过滤 + 基于物品的余弦相似度
– 后台管理（Django admin + simpleui）

三、运行环境

– Python 3.7~3.11（原项目 3.7；本次升级后兼容 3.11）
– Django 4.2 LTS（原 2.2.10，已升级）
– SQLite 3（db.sqlite3 已含数据）
– 依赖：djangorestframework、django-simpleui、beautifulsoup4、lxml、aiohttp
– 启动：`pip install -r requirements.txt` →`python manage.py runserver` → 访问 127.0.0.1:8000，后台 /admin（账号密码均 admins）

四、项目技术

– 前端：Bootstrap 3 + jQuery + HTML5
– 后端：Django 4.2 + Django REST Framework（MVC）
– 数据库：SQLite3
– 算法：UserCF（皮尔逊相关系数）、ItemCF（余弦相似度），冷启动用标签偏好 + 热度兜底
– 数据来源：豆瓣 Top250 + 影片列表爬虫（ douban_crawler.py ），结果落库为 csv 再导入 SQLite
– 数据填充脚本： populate_movies.py 、 populate_user_rate.py （随机生成 100 用户、1000 评分）

以上系统源码经过技术整理与调试，确保能正常运行

五、项目截图ls/154241353