基于Flask和MySQL的图书推荐系统设计源码

Flask-BookRecommend-Mysql Html HTML, JavaScript, CSS, Python, Ruby, Shell 共666个文件 html: 149 less: 133 js: 69 svg: 50 png: 49 jpg: 41 css: 38 eot: 17 ttf: 17 woff: 17 使用Flask，mysql构建的一个基于书籍，基于协同过滤算法，基于slope one的图书推荐系统 智能图书推荐系统 互联网访问地址http://198.56.183.11:8080 数据集下载地址http://www2.informatik.uni-freiburg.de/~cziegler/BX/ 主页 搜索功能 登录 注册 历史评分书单 书单 购物车 管理员 用户删除 管理员 书籍添加删除 对图书数据使用tensorflow和GPU加速实现了初版的协同过滤算法 （为了tensorflow的tensor运算，所以会创建比较大的矩阵，会初始化2个约27W乘10W的矩阵） 作者训练环境配置： 环境：ubuntu 内存：64G 显卡：TaiTanXP * 4 （4*12G） 速度有比较大的提升。一天内可以训练完成。但是内存占用极高。接近42G内存。 所以在git上面CF4TensorFlow.py这个文件中第12行： Rating=Rating[:5000] 设置了一个切片区间，默认使用5000，你可以按你的配置修改这个参数。 作者选择 Epoch 60000 Loss函数曲线 功能清单 注册，登录，检索查询，评分，实时推荐，离线推荐，购物车，书单，删除购物车，删除书单。 管理员权限： 删除用户，添加书籍，删除书籍。 V5 更新 系统整体功能全面完善,后台管理系统上线 前端增加实时推荐模块-猜你喜欢.协同过滤计算结果在-推荐书籍内 V4 更新 项目整体重构 后端代码优化 前端页面全换 V3 更新 介于很多同学需要数据，和对项目部署困难，现在将项目结构整体优化了。更容易部署了，随下随用 V2 更新 优化了搜索框的样式 优化了整体配色 优化了书籍排版，对名字长的书籍会自动省去保留开头。 新增了一个书籍详情页面（基于书本的推荐可以在里面做） 丰富了搜索内容 V1 更新 增加了一个搜索引擎功能，可以输入书名做对应的查询，此功能还有待完善 增加了对推荐书籍的评分功能。 增加了查看历史评分书籍的功能。 所需运行环境 使用python3.6作为编程语言。使用mysql作为数据库存储. 需要安装pandas,flask，pymysql. *　安装方式: pip install pandas pip install flask pip install pymysql 联系作者： QQ：470581985 项目源码介绍 图书推荐系统 ----Flask-BookRecommend-Mysql\ |----data >这个文件夹中存放数据集，数据集比较杂乱。 |----image\ |----web\ >web端 | |----logger.py >日志记录 | |----config.yml >配置参数 | |----logs >日志 | |----app.py >web入口 | |----utils.py >辅助模块 |----CF_use_python.py >协同过滤：CF 算法 |----CF_use_tensorflow.py >使用tensorflow实现的协同过滤CF算法 |----read_data_save_to_mysql.py >读取data文件夹里面的书籍存储到数据库中 |----README.md 项目启动方式： 数据集下载地址[http://www2.informatik.uni-freiburg.de/~cziegler/BX/] 将下载好的数据放入data文件夹下 运行read_data_save_to_mysql.py文件 将数据导入到mysql中。 进入web文件夹,运行app.py 在浏览器上访问 127.0.0.1:8080 使用UserID和Location作为账号密码登录网站。 注意mysql的链接参数.默认是root,密码123456 系统管理员的账号：admin 密码：admin 通过这个账号密码进入后台管理 Example： UserID/账号： 39027 UserName/密码： tempe, arizona, usa 项目思路： 本项目实现了3个图书推荐功能： 热门书籍 是将评分排名最高的几本书推荐给用户 猜你喜欢 通过数据库SQL语句实现 ”看了这本书的人也看了XX书“ 主要逻辑是： 首先查该用户的浏览记录 通过浏览过的书籍，找到也看过这本书的人 在也看过这本书的人中，找评分较高的书推荐给用户 推荐书籍 离线计算好的推荐表的信息。使用到了协同过滤算法 之后会做成按天更新 目前的项目是实时推荐的，使用sql语句实现的 wx赞赏码：如果对你有用或者你需要帮你改进此项目