电影个性化推荐与分析系统 | Python Django 协同过滤 Echarts 词云分析大数据人工智能 deepseek 毕业设计源码（建议收藏）✅

博主介绍：✌全网粉丝10W+,前互联网大厂软件研发、集结硕博英豪成立工作室。专注于计算机相关专业项目实战6年之久，选择我们就是选择放心、选择安心毕业✌
> 🍅想要获取完整文章或者源码，或者代做，拉到文章底部即可与我联系了。🍅

点击查看作者主页，了解更多项目！

🍅**感兴趣的可以先收藏起来，点赞、关注不迷路，大家在毕设选题，项目以及论文编写等相关问题都可以给我留言咨询，希望帮助同学们顺利毕业。**🍅

1、毕业设计：2026年计算机专业毕业设计选题汇总（建议收藏）✅

2、大数据毕业设计：2026年选题大全深度学习 python语言 JAVA语言 hadoop和spark（建议收藏）✅

1、项目介绍

技术栈

以Python为主开发语言，基于Django框架搭建系统架构，采用MySQL数据库存储各类数据，融合基于用户和物品的协同过滤推荐算法实现核心推荐功能，借助Echarts完成数据可视化展示，以HTML搭建前端界面，同时运用词云分析技术提取评论和标签的核心关键词。

功能模块

用户交互模块
协同过滤推荐模块
数据可视化与词云分析模块
数据存储与管理模块
电影数据可视化分析
电影首页
我的收藏
电影搜索查询
电影推荐
注册登录界面

项目介绍

本项目是一款基于Python和Django框架开发的电影个性化推荐与分析系统，整合协同过滤算法、Echarts可视化、词云分析技术及MySQL数据库，构建了"用户交互-个性化推荐-数据可视化"的完整业务流程。系统针对电影筛选效率低、推荐精准度不足、数据洞察能力弱等问题，既为用户提供个性化推荐、收藏、搜索等基础交互功能，也通过多维度可视化图表和词云分析，帮助用户直观掌握电影数据特征与市场发展趋势，兼具实际应用价值与学习参考价值。

2、项目界面

电影数据可视化分析

以柱状图展示国家电影数量排行，用折线图呈现近 20 年电影数量变化，用词云图呈现演员相关关键词，通过饼图展示电影类别的分布，这些图表可分别帮助用户直观了解电影的地域分布、产量趋势、演员关联信息及类型占比情况。

电影首页

该页面上方提供不同国家 / 地区的筛选选项，下方展示对应筛选结果的电影列表，每条目包含电影封面、名称、主创人员、年份、地区、类型、评分、演员数、评价数及收藏按钮，可帮助用户按地域筛选电影并查看详细信息、进行收藏操作。

我的收藏

该页面展示了用户收藏的电影列表，每条目包含电影封面、名称、主创人员、年份、地区、类型、评分、演员数、评价数及已点亮的收藏按钮，可帮助用户集中查看自己收藏的电影信息，直观了解各收藏电影的详细内容并确认收藏状态。

电影搜索查询

页面上方有搜索框和搜索按钮，下方呈现对应关键词的电影列表，每条目配有电影封面，同时展示名称、主创、年份、地区、类型、评分等信息，还设有收藏按钮，可帮助用户快速获取搜索到的电影详情并进行收藏操作。

电影推荐---协同过滤推荐算法

该页面展示了系统推荐的电影列表，每条目配有电影封面，同时呈现电影名称、主创人员、年份、地区、类型、评分、演员数、评价数等信息，还设有收藏按钮，可帮助用户查看推荐的电影详情并进行收藏操作。

注册登录界面

页面以夜景为背景，展示了系统标识与登录界面，包含账号、密码输入框及登录按钮，还设有注册入口，可帮助用户完成账号登录或注册操作，是进入系统使用后续功能的入口页面。

3、项目说明

一、技术栈

本项目以Python作为主要开发语言，基于Django框架搭建系统整体架构，采用MySQL数据库完成各类数据的存储管理，融合基于用户和物品的协同过滤推荐算法打造核心推荐能力，借助Echarts实现数据可视化展示，以HTML构建前端交互界面，同时运用词云分析技术提取评论和标签中的核心关键词。

二、功能模块详细介绍

用户交互模块：覆盖用户注册登录、电影收藏、搜索查询等核心交互操作，支持用户按地域筛选电影、查看影片详情并完成收藏，同时可集中管理收藏列表，满足用户基础使用需求。
协同过滤推荐模块：基于用户和物品维度的协同过滤算法生成电影推荐列表，展示推荐影片的封面、主创、评分等全维度信息，支持收藏操作，实现精准的个性化电影推荐。
数据可视化与词云分析模块：通过柱状图、折线图、饼图呈现电影地域分布、产量趋势、类型占比等数据特征，用词云图提取演员相关核心关键词，直观展现电影数据规律。
数据存储与管理模块：依托MySQL数据库存储电影基础信息、用户行为数据、可视化分析数据等全量内容，保障数据存储的稳定性与可管理性。
电影数据可视化分析：整合多类型可视化图表，从地域、年份、类型、演员关联等维度分析电影数据，帮助用户洞察电影市场趋势与数据特征。
电影首页：提供国家/地区筛选功能，展示筛选后的电影列表及影片封面、名称、评分等详情，支持收藏操作，是用户浏览电影的核心入口。
我的收藏：集中展示用户收藏的电影列表，呈现每部影片的详细信息及收藏状态，方便用户查看和管理收藏内容。
电影搜索查询：通过搜索框和搜索按钮实现关键词检索，展示匹配的电影列表及详情，支持收藏操作，帮助用户快速找到目标影片。
电影推荐：基于协同过滤算法输出推荐电影列表，展示影片全维度信息并支持收藏，满足用户的个性化观影推荐需求。
注册登录界面：以夜景为视觉背景，提供账号密码输入框、登录按钮及注册入口，作为用户进入系统的身份验证与账号创建入口。

三、项目总结

本电影个性化推荐与分析系统基于Python+Django框架开发，整合协同过滤算法、Echarts可视化、词云分析及MySQL数据库，构建了"用户交互-个性化推荐-数据可视化"的完整业务体系。系统针对电影筛选低效、推荐不精准、数据洞察不足的行业痛点，既为用户提供注册登录、收藏、搜索、个性化推荐等基础交互功能，又通过多维度可视化图表和词云分析直观呈现电影数据特征与市场趋势。该系统兼顾实用性与学习价值，有效解决了传统电影浏览与分析过程中的核心问题，提升了用户的使用体验与数据解读效率。

4、核心代码

python 复制代码

# 验证登录
def check_login(func):
    def wrapper(request):
        # print("装饰器验证登录")
        cookie = request.COOKIES.get('uid')
        if not cookie:
            return redirect('/login/')
        else:
            return func(request)

    return wrapper


# Create your views here.
@check_login
def index(request):


    uid = int(request.COOKIES.get('uid', -1))
    if uid != -1:
        username = User.objects.filter(id=uid)[0].name

    relions = Movie.objects.all()
    all_type = {item.regions for item in relions}
    # all_type = ['历城', '天桥', '长清', '章丘', '高新', '市中', '济阳', '槐荫', '历下']

    if 'type' not in request.GET:  # 新闻类别
        type_ = '中国大陆'
        newlist = Movie.objects.filter(regions__contains=type_).values()
    else:
        type_ = request.GET.get('type')
        newlist = Movie.objects.filter(regions__contains=type_).values()
    tmp = []
    for item in newlist:
        if Like.objects.filter(uid_id=uid, hid_id=item['id']):
            is_like = 1
        else:
            is_like = 0
        item['is_like'] = is_like
        tmp.append(item)
    newlist = tmp
    return render(request, 'index.html', locals())


def star_ajax(request):
    res = {}
    yid = int(request.POST.get('id'))
    uid = int(request.COOKIES.get('uid', -1))

    if Like.objects.filter(uid_id=uid, hid_id=yid):
        Like.objects.filter(uid_id=uid, hid_id=yid).delete()
        res['color'] = 'black'
    else:
        Like.objects.create(uid_id=uid, hid_id=yid)
        res['color'] = 'red'
    return JsonResponse(res)




def my_shoucang(request):
    uid = int(request.COOKIES.get('uid', -1))
    if uid != -1:
        username = User.objects.filter(id=uid)[0].name

    newlist = []
    if Like.objects.filter(uid_id=uid):
        newlist = Like.objects.filter(uid_id=uid)
    id_list = [item.hid_id for item in newlist]
    newlist = Movie.objects.filter(id__in=id_list).values()
    tmp = []
    for item in newlist:
        if Like.objects.filter(uid_id=uid, hid_id=item['id']):
            is_like = 1
        else:
            is_like = 0
        item['is_like'] = is_like
        tmp.append(item)
    newlist = tmp
    return render(request, 'my_shoucang.html', locals())



@check_login
def detail(request):
    uid = int(request.COOKIES.get('uid', -1))
    if uid != -1:
        username = User.objects.filter(id=uid)[0].name
    id_ = request.GET.get('id')
    info = House.objects.get(id=int(id_))
    if See.objects.filter(uid_id=uid):
        See.objects.filter(uid_id=uid).update(num=F('num') + 1)
    else:
        See.objects.create(uid_id=uid,hid_id=int(id_),num=1)
    return render(request, 'detail_new.html', locals())



def scrawl_item(request):
    """
    爬取所有的电影元数据
    :param request:
    :return:
    """
    for i in tqdm( range(0,201,20)):
        # url = f'https://movie.douban.com/j/chart/top_list?type=10&interval_id=10:90&action=None&start={i}&limit=20'
        url = "https://movie.douban.com/j/chart/top_list"
        payload = {
            "type": 10,
            "interval_id": "100:90",
            "action": None,
            "start": i,
            "limit": 20
        }
        headers = {
            "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 Safari/537.36"
        }
        res = requests.get(url=url, params=payload, headers=headers, )
        time.sleep(10)
        data_jsons = res.json()
        for data_json in data_jsons:
            id_ = data_json['id']#  int
            id_ = int(id_)
            # rating = data_json['rating'][0]#  float
            rank = data_json['rank']#  int
            rank = int(rank)
            img = data_json['cover_url']
            isPlayable = data_json['is_playable']
            kind = data_json['types'] # list
            kind = ','.join(kind)
            regions = data_json['regions'][0]
            title = data_json['title']
            url = data_json['url']
            releaseDate = data_json['release_date']
            actorCount = data_json['actor_count']#  int
            actorCount = int(actorCount)
            voteNum = data_json['vote_count']#  int
            voteNum = int(voteNum)
            score = data_json['score'] #  float
            score = float(score)
            actors = data_json['actors']  # list
            actors = ','.join(actors)
            # print(id_,rank,img,isPlayable,kind,regions,title,url,releaseDate,actorCount,voteNum,score,actors)
            if not Movie.objects.filter(id=id_):
                try:
                    Movie.objects.create(id=id_,rank=rank,img=img,isPlayable=isPlayable,kind=kind,
                                     regions=regions,title=title,url=url,releaseDate=releaseDate,actorCount=actorCount,voteNum=voteNum,score=score,actors=actors)
                except:
                    continue
    return  HttpResponse('全部电影元数据已经爬取OK')

def scrawl_comment(request):
    """
    爬取所有的电影元数据
    :param request:
    :return:
    """
    return  HttpResponse('全部电影评论已经爬取OK')






@check_login
def tuijian(request):

    uid = int(request.COOKIES.get('uid', -1))
    if uid != -1:
        username = User.objects.filter(id=uid)[0].name

    train = dict()
    history = Like.objects.all()  # 0.1
    for item in history:
        if item.uid_id not in train.keys():
            train[item.uid_id] = {item.hid_id: uid}
        else:
            train[item.uid_id][item.hid_id] = train[item.uid_id].get(item.hid_id, 0) + 10
    history = See.objects.all()  # 0.1
    for item in history:
        if item.uid_id not in train.keys():
            train[item.uid_id] = {item.hid_id: 0.1 * item.num}
        else:
            train[item.uid_id][item.hid_id] = train[item.uid_id].get(item.hid_id, 0) + 1 * item.num
    # 声明一个的对象
    newlist = []
    try:
        item = KNN(train)
        item.ItemSimilarity()
        recommedDict = item.Recommend(int(uid))  # 字典
        newlist = Movie.objects.filter(id__in=list(recommedDict.keys()))

    except:
        print("协同过滤异常啦")
        pass
    if len(newlist) == 0:
        msg = "你还没有在该网站有过评论、浏览行为，请去浏览吧！"
        newlist = Movie.objects.order_by('-id')[:10].values()
    else:
        msg = ""
    #
    tmp = []
    print(newlist)
    for item in newlist:

        try:
            id = item["id"]
        except:
            id = item.id

        if Like.objects.filter(uid_id=uid, hid_id=id):
            is_like = 1
        else:
            is_like = 0
        try:

            item['is_like'] = is_like
        except:
            item.is_like = is_like
        tmp.append(item)
    newlist = tmp
    return render(request, 'tuijian.html', locals())


def test(request):
    return HttpResponse('测试完成')


@check_login
def search(request):
    uid = int(request.COOKIES.get('uid', -1))
    if uid != -1:
        username = User.objects.filter(id=uid)[0].name
    newlist = []
    if request.method == 'POST':
        keywords = request.POST.get('keywords')
        newlist = Movie.objects.filter(title__contains=keywords).values()
        tmp = []
        for item in newlist:
            if Like.objects.filter(uid_id=uid, hid_id=item['id']):
                is_like = 1
            else:
                is_like = 0
            item['is_like'] = is_like
            tmp.append(item)
        newlist = tmp
    else:
        keywords = ''
    return render(request, 'search.html', locals())


def login(request):
    if request.method == "POST":
        tel, pwd = request.POST.get('tel'), request.POST.get('pwd')
        if User.objects.filter(tel=tel, password=pwd):

            obj = redirect('/')
            obj.set_cookie('uid', User.objects.filter(tel=tel, password=pwd)[0].id, max_age=60 * 60 * 24)
            return obj
        else:
            msg = "用户信息错误，请重新输入！！"
            return render(request, 'login.html', locals())
    else:
        return render(request, 'login.html', locals())


def register(request):
    if request.method == "POST":
        name, tel, pwd = request.POST.get('name'), request.POST.get('tel'), request.POST.get('pwd')
        print(name, tel, pwd)
        if User.objects.filter(tel=tel):
            msg = "你已经有账号了，请登录"
        else:
            User.objects.create(name=name, tel=tel, password=pwd)
            msg = "注册成功，请登录！"
        return render(request, 'login.html', locals())
    else:
        msg = ""
        return render(request, 'register.html', locals())


def logout(request):
    obj = redirect('/')
    obj.delete_cookie('uid')
    return obj

def plot(request):
    raw_data = Movie.objects.all()
    # 1  每个国家 电影排行榜
    main1 = raw_data.values('regions').annotate(count=Count('regions')).order_by('-count')[:10]
    main1_x = [item['regions'] for item in main1]
    main1_y = [item['count'] for item in main1]

    # 2  每年电影排行
    year_list = list(range(1999,2020))
    main2_x = year_list
    main2_y = []
    for year in year_list:
        main2_y.append(raw_data.filter(releaseDate__year=year).count())
    # print(main1)

    # 3  类别被购买前十
    tmp = [item.actors for item in raw_data]
    result_list = []
    for item in tmp:
        result_list = result_list + item.split(',')

    result_dict = {k: result_list.count(k) for k in result_list}
    result_dict = sorted(result_dict.items(), key=lambda x: x[1], reverse=True)  # 最大到最小
    print(result_dict)
    main3 = [{'value': item[1], 'name': item[0]}
             for item in result_dict
             ]
  

    tmp = [item.kind for item in raw_data]
    result_list = []
    for item in tmp:
        result_list = result_list + item.split(',')

    result_dict = {k: result_list.count(k)  for k in result_list}
    result_dict = sorted(result_dict.items(),key=lambda x:x[1],reverse=True)[:5] # 最大到最小
    print(result_dict)
    main4 = [{'value': item[1],'name': item[0]}
        for item in result_dict
    ]
    main4_x = [item['name'] for item in main4]

    return render(request,'plot.html',locals())

5、源码获取方式

🍅由于篇幅限制，获取完整文章或源码、代做项目的，查看【用户名】、【专栏名称】就可以找到我啦🍅

感兴趣的可以先收藏起来，点赞、关注不迷路，下方查看 👇🏻获取联系方式👇🏻