開(kāi)發(fā)實(shí)踐)
在旅游行業(yè)快速發(fā)展的背景下如何幫助用戶從海量信息中快速找到符合個(gè)人偏好的景點(diǎn)和酒店成為一個(gè)具有實(shí)際價(jià)值的技術(shù)課題?；?Python 和 Django 框架構(gòu)建一個(gè)旅游推薦系統(tǒng)不僅能夠綜合運(yùn)用爬蟲(chóng)技術(shù)進(jìn)行數(shù)據(jù)采集、利用推薦算法進(jìn)行個(gè)性化匹配還能通過(guò)數(shù)據(jù)分析和可視化直觀展示結(jié)果是檢驗(yàn)數(shù)據(jù)處理和算法應(yīng)用能力的典型項(xiàng)目。本文將帶領(lǐng)讀者從零開(kāi)始構(gòu)建一個(gè)具備景點(diǎn)推薦、酒店推薦、數(shù)據(jù)分析和可視化功能的完整系統(tǒng)適合有一定 Python 基礎(chǔ)希望深入 Web 開(kāi)發(fā)、數(shù)據(jù)挖掘和算法實(shí)踐的開(kāi)發(fā)者。整個(gè)項(xiàng)目將圍繞數(shù)據(jù)獲取、存儲(chǔ)、處理、推薦和展示的核心鏈路展開(kāi)。讀者將學(xué)習(xí)如何使用爬蟲(chóng)技術(shù)從公開(kāi)渠道獲取旅游數(shù)據(jù)如何利用 Django 框架搭建穩(wěn)健的后端服務(wù)如何實(shí)現(xiàn)基于協(xié)同過(guò)濾或內(nèi)容過(guò)濾的推薦算法以及如何使用 ECharts 等前端庫(kù)進(jìn)行數(shù)據(jù)可視化。最終你將擁有一個(gè)可運(yùn)行、可擴(kuò)展的推薦系統(tǒng)原型并能在此基礎(chǔ)上進(jìn)行更深入的功能迭代。1. 理解旅游推薦系統(tǒng)的核心組件與技術(shù)選型一個(gè)完整的旅游推薦系統(tǒng)通常包含數(shù)據(jù)層、算法層、應(yīng)用層和展示層。數(shù)據(jù)層負(fù)責(zé)原始數(shù)據(jù)的采集與存儲(chǔ)算法層負(fù)責(zé)從數(shù)據(jù)中提取特征并生成推薦結(jié)果應(yīng)用層負(fù)責(zé)處理業(yè)務(wù)邏輯和用戶請(qǐng)求展示層則負(fù)責(zé)將結(jié)果以友好的方式呈現(xiàn)給用戶。1.1 為什么選擇 Django 作為 Web 框架Django 是一個(gè)高層次 Python Web 框架它鼓勵(lì)快速開(kāi)發(fā)和簡(jiǎn)潔、實(shí)用的設(shè)計(jì)。對(duì)于推薦系統(tǒng)這類(lèi)需要處理復(fù)雜數(shù)據(jù)關(guān)系的項(xiàng)目Django 自帶的 ORM對(duì)象關(guān)系映射能夠極大簡(jiǎn)化數(shù)據(jù)庫(kù)操作。其內(nèi)置的管理后臺(tái)可以快速搭建起數(shù)據(jù)管理界面便于在開(kāi)發(fā)階段查看和修改爬取到的景點(diǎn)、酒店數(shù)據(jù)。此外Django 的結(jié)構(gòu)清晰MTV 模式有助于保持代碼的可維護(hù)性這對(duì)于可能需要長(zhǎng)期迭代的畢業(yè)設(shè)計(jì)項(xiàng)目尤為重要。1.2 爬蟲(chóng)策略與倫理邊界爬蟲(chóng)是系統(tǒng)數(shù)據(jù)來(lái)源的關(guān)鍵。目標(biāo)數(shù)據(jù)源可能包括旅游平臺(tái)公開(kāi)的景點(diǎn)信息、酒店列表、用戶評(píng)論等。常用的爬蟲(chóng)庫(kù)如requests用于發(fā)送 HTTP 請(qǐng)求BeautifulSoup或lxml用于解析 HTML 頁(yè)面結(jié)構(gòu)Selenium可用于處理 JavaScript 動(dòng)態(tài)渲染的頁(yè)面。注意在實(shí)際操作中必須嚴(yán)格遵守網(wǎng)站的robots.txt協(xié)議控制請(qǐng)求頻率避免對(duì)目標(biāo)網(wǎng)站服務(wù)器造成壓力。本項(xiàng)目所有數(shù)據(jù)采集行為應(yīng)僅限于公開(kāi)、非敏感信息并用于個(gè)人學(xué)習(xí)與研究目的。1.3 推薦算法的常見(jiàn)思路推薦算法是系統(tǒng)的“大腦”。常見(jiàn)的算法可分為協(xié)同過(guò)濾包括基于用戶的協(xié)同過(guò)濾找到相似興趣的用戶推薦他們喜歡的物品和基于物品的協(xié)同過(guò)濾找到相似屬性的物品推薦給喜歡同類(lèi)物品的用戶。這種方法依賴(lài)于用戶行為數(shù)據(jù)如評(píng)分、點(diǎn)擊。內(nèi)容過(guò)濾根據(jù)物品的屬性如景點(diǎn)的類(lèi)型、位置、標(biāo)簽和用戶的歷史偏好進(jìn)行匹配。這種方法在冷啟動(dòng)新用戶或無(wú)行為數(shù)據(jù)階段表現(xiàn)更好。 對(duì)于畢業(yè)設(shè)計(jì)可以先實(shí)現(xiàn)一種基礎(chǔ)算法如基于物品的協(xié)同過(guò)濾或 KNN 近鄰算法再?lài)L試融合多種策略。1.4 數(shù)據(jù)可視化的重要性數(shù)據(jù)可視化不僅能讓推薦結(jié)果更直觀也能在系統(tǒng)開(kāi)發(fā)階段幫助開(kāi)發(fā)者理解數(shù)據(jù)分布和算法效果。使用 ECharts、Chart.js 等前端庫(kù)可以輕松繪制出景點(diǎn)評(píng)分分布圖、酒店價(jià)格熱力圖、用戶興趣標(biāo)簽云等從而提升整個(gè)系統(tǒng)的完整度和表現(xiàn)力。2. 開(kāi)發(fā)環(huán)境準(zhǔn)備與項(xiàng)目初始化在開(kāi)始編碼之前需要配置一個(gè)隔離、可復(fù)現(xiàn)的 Python 開(kāi)發(fā)環(huán)境并創(chuàng)建 Django 項(xiàng)目的基本結(jié)構(gòu)。2.1 創(chuàng)建并激活 Python 虛擬環(huán)境使用虛擬環(huán)境可以避免項(xiàng)目間的依賴(lài)沖突。推薦使用 Python 3.8 或更高版本。# 創(chuàng)建項(xiàng)目目錄并進(jìn)入 mkdir travel_recommendation_system cd travel_recommendation_system # 創(chuàng)建虛擬環(huán)境Windows 和 macOS/Linux 命令略有不同 # Windows python -m venv venv .\venv\Scripts\activate # macOS/Linux python3 -m venv venv source venv/bin/activate激活虛擬環(huán)境后命令行提示符前會(huì)出現(xiàn)(venv)標(biāo)識(shí)。2.2 安裝項(xiàng)目依賴(lài)創(chuàng)建requirements.txt文件列出項(xiàng)目所需的核心庫(kù)。Django4.2.0 requests2.28.2 beautifulsoup44.11.1 pandas1.5.3 numpy1.24.2 scikit-learn1.2.2 django-echarts1.5.1 # 用于Django整合ECharts然后使用 pip 安裝pip install -r requirements.txt2.3 創(chuàng)建 Django 項(xiàng)目和核心應(yīng)用使用 Django 命令行工具初始化項(xiàng)目和應(yīng)用。# 創(chuàng)建Django項(xiàng)目注意最后有個(gè)點(diǎn)表示在當(dāng)前目錄創(chuàng)建 django-admin startproject travel_project . # 創(chuàng)建核心應(yīng)用例如命名為recommendation python manage.py startapp recommendation創(chuàng)建完成后項(xiàng)目目錄結(jié)構(gòu)應(yīng)如下所示travel_recommendation_system/ ├── manage.py ├── requirements.txt ├── travel_project/ │ ├── __init__.py │ ├── settings.py │ ├── urls.py │ └── wsgi.py └── recommendation/ ├── __init__.py ├── admin.py ├── apps.py ├── models.py ├── tests.py └── views.py2.4 配置數(shù)據(jù)庫(kù)和基礎(chǔ)設(shè)置Django 默認(rèn)使用 SQLite 數(shù)據(jù)庫(kù)這對(duì)于畢業(yè)設(shè)計(jì)原型來(lái)說(shuō)已經(jīng)足夠。需要修改travel_project/settings.py文件將新創(chuàng)建的應(yīng)用加入INSTALLED_APPS并配置靜態(tài)文件路徑。# travel_project/settings.py INSTALLED_APPS [ django.contrib.admin, django.contrib.auth, django.contrib.contenttypes, django.contrib.sessions, django.contrib.messages, django.contrib.staticfiles, recommendation, # 新增的應(yīng)用 ] # 配置靜態(tài)文件CSS, JavaScript, Images STATIC_URL static/ STATICFILES_DIRS [BASE_DIR / static] # 項(xiàng)目根目錄下的static文件夾 # 配置媒體文件用戶上傳的圖片等 MEDIA_URL /media/ MEDIA_ROOT BASE_DIR / media完成配置后執(zhí)行數(shù)據(jù)庫(kù)遷移創(chuàng)建初始表結(jié)構(gòu)python manage.py migrate3. 數(shù)據(jù)模型設(shè)計(jì)與爬蟲(chóng)實(shí)現(xiàn)系統(tǒng)的基石是數(shù)據(jù)。我們需要設(shè)計(jì)合理的數(shù)據(jù)庫(kù)模型來(lái)存儲(chǔ)景點(diǎn)、酒店和用戶行為數(shù)據(jù)并編寫(xiě)爬蟲(chóng)程序來(lái)填充初始數(shù)據(jù)。3.1 設(shè)計(jì)核心數(shù)據(jù)模型在recommendation/models.py中定義核心模型。一個(gè)簡(jiǎn)化的設(shè)計(jì)可能包括景點(diǎn)、酒店和用戶評(píng)分模型。from django.db import models class ScenicSpot(models.Model): 景點(diǎn)模型 name models.CharField(max_length200, verbose_name景點(diǎn)名稱(chēng)) location models.CharField(max_length100, verbose_name所在地) description models.TextField(verbose_name描述) tags models.CharField(max_length200, verbose_name標(biāo)簽, help_text用逗號(hào)分隔如自然,山水,歷史) average_rating models.FloatField(default0.0, verbose_name平均評(píng)分) image_url models.URLField(blankTrue, verbose_name圖片鏈接) class Meta: verbose_name 景點(diǎn) verbose_name_plural verbose_name def __str__(self): return self.name class Hotel(models.Model): 酒店模型 name models.CharField(max_length200, verbose_name酒店名稱(chēng)) location models.CharField(max_length100, verbose_name所在地) price_range models.CharField(max_length50, verbose_name價(jià)格區(qū)間) amenities models.CharField(max_length300, verbose_name設(shè)施, help_text用逗號(hào)分隔如WiFi,停車(chē)場(chǎng),游泳池) average_rating models.FloatField(default0.0, verbose_name平均評(píng)分) image_url models.URLField(blankTrue, verbose_name圖片鏈接) class Meta: verbose_name 酒店 verbose_name_plural verbose_name def __str__(self): return self.name class UserRating(models.Model): 用戶評(píng)分模型用于協(xié)同過(guò)濾算法 user_id models.IntegerField(verbose_name用戶ID) # 簡(jiǎn)化設(shè)計(jì)實(shí)際項(xiàng)目應(yīng)關(guān)聯(lián)User模型 scenic_spot models.ForeignKey(ScenicSpot, on_deletemodels.CASCADE, nullTrue, blankTrue) hotel models.ForeignKey(Hotel, on_deletemodels.CASCADE, nullTrue, blankTrue) rating models.FloatField(verbose_name評(píng)分1-5分) class Meta: verbose_name 用戶評(píng)分 verbose_name_plural verbose_name # 確保一個(gè)用戶對(duì)同一個(gè)物品只能評(píng)分一次 unique_together [[user_id, scenic_spot], [user_id, hotel]]定義模型后生成并執(zhí)行遷移文件python manage.py makemigrations python manage.py migrate3.2 編寫(xiě)基礎(chǔ)爬蟲(chóng)腳本在項(xiàng)目根目錄下創(chuàng)建一個(gè)scripts文件夾用于存放爬蟲(chóng)腳本。以下是一個(gè)使用requests和BeautifulSoup爬取模擬景點(diǎn)數(shù)據(jù)的示例。# scripts/scenic_spider.py import requests from bs4 import BeautifulSoup import os import django import sys # 設(shè)置Django環(huán)境 sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__)))) os.environ.setdefault(DJANGO_SETTINGS_MODULE, travel_project.settings) django.setup() from recommendation.models import ScenicSpot def crawl_scenic_spots(): 一個(gè)示例爬蟲(chóng)函數(shù)從模擬頁(yè)面爬取景點(diǎn)數(shù)據(jù)。 實(shí)際應(yīng)用中需替換為目標(biāo)網(wǎng)站的URL和解析邏輯。 # 示例URL實(shí)際應(yīng)替換為真實(shí)且允許爬取的網(wǎng)站 url https://example-travel-site.com/scenic try: headers { User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 } response requests.get(url, headersheaders, timeout10) response.raise_for_status() # 檢查請(qǐng)求是否成功 soup BeautifulSoup(response.text, html.parser) # 假設(shè)每個(gè)景點(diǎn)信息在一個(gè) classspot-item 的div中 spot_items soup.find_all(div, class_spot-item) for item in spot_items: name item.find(h3).text.strip() if item.find(h3) else 未知景點(diǎn) location item.find(span, class_location).text.strip() if item.find(span, class_location) else 未知地點(diǎn) description item.find(p, class_desc).text.strip() if item.find(p, class_desc) else 暫無(wú)描述 tags item.get(data-tags, ) # 假設(shè)標(biāo)簽存儲(chǔ)在data屬性中 # 避免重復(fù)爬取 if not ScenicSpot.objects.filter(namename, locationlocation).exists(): ScenicSpot.objects.create( namename, locationlocation, descriptiondescription, tagstags, average_rating0.0 # 初始評(píng)分 ) print(f成功添加景點(diǎn): {name}) else: print(f景點(diǎn)已存在: {name}) except requests.RequestException as e: print(f爬取過(guò)程中發(fā)生錯(cuò)誤: {e}) if __name__ __main__: crawl_scenic_spots()運(yùn)行此腳本前務(wù)必確保已激活虛擬環(huán)境并正確設(shè)置了 Django 環(huán)境。python scripts/scenic_spider.py注意由于網(wǎng)絡(luò)環(huán)境和網(wǎng)站結(jié)構(gòu)的不可控性爬蟲(chóng)腳本極易因網(wǎng)站改版而失效。在畢業(yè)設(shè)計(jì)中更穩(wěn)妥的做法是準(zhǔn)備一份靜態(tài)的、結(jié)構(gòu)化的 JSON 或 CSV 文件作為初始數(shù)據(jù)源通過(guò) Django 的管理命令或自定義腳本將數(shù)據(jù)導(dǎo)入數(shù)據(jù)庫(kù)。這能確保項(xiàng)目演示時(shí)數(shù)據(jù)源的穩(wěn)定性。4. 推薦算法核心實(shí)現(xiàn)有了數(shù)據(jù)之后核心任務(wù)是實(shí)現(xiàn)推薦邏輯。這里以基于物品的協(xié)同過(guò)濾Item-Based Collaborative Filtering為例介紹如何在 Django 中集成推薦算法。4.1 構(gòu)建用戶-物品評(píng)分矩陣協(xié)同過(guò)濾算法的基礎(chǔ)是一個(gè)用戶對(duì)物品的評(píng)分矩陣。我們需要從UserRating模型中提取數(shù)據(jù)構(gòu)建這個(gè)矩陣。在recommendation應(yīng)用下創(chuàng)建一個(gè)新文件recommendation/algorithms.py。# recommendation/algorithms.py import numpy as np import pandas as pd from sklearn.metrics.pairwise import cosine_similarity from django.db.models import Count from .models import UserRating, ScenicSpot class ItemCFRecommender: 基于物品的協(xié)同過(guò)濾推薦器 def __init__(self): self.similarity_matrix None self.item_ids None def fit(self, min_ratings5): 訓(xùn)練模型計(jì)算物品間的相似度矩陣。 min_ratings: 物品最少被評(píng)分次數(shù)用于過(guò)濾冷門(mén)物品。 # 獲取評(píng)分?jǐn)?shù)據(jù) ratings UserRating.objects.all().values(user_id, scenic_spot_id, rating) if not ratings: print(警告暫無(wú)評(píng)分?jǐn)?shù)據(jù)無(wú)法計(jì)算相似度。) return df pd.DataFrame(list(ratings)) # 過(guò)濾掉被評(píng)分次數(shù)過(guò)少的物品 item_rating_counts df[scenic_spot_id].value_counts() valid_items item_rating_counts[item_rating_counts min_ratings].index df df[df[scenic_spot_id].isin(valid_items)] if df.empty: print(警告經(jīng)過(guò)過(guò)濾后無(wú)有效數(shù)據(jù)。) return # 構(gòu)建用戶-物品評(píng)分矩陣 rating_matrix df.pivot_table(indexuser_id, columnsscenic_spot_id, valuesrating, fill_value0) # 計(jì)算物品間的余弦相似度 self.similarity_matrix cosine_similarity(rating_matrix.T) self.item_ids rating_matrix.columns.tolist() print(f相似度矩陣計(jì)算完成共 {len(self.item_ids)} 個(gè)物品。) def recommend_items(self, target_item_id, top_n5): 為指定物品推薦相似的物品。 target_item_id: 目標(biāo)物品的ID。 top_n: 返回推薦物品的數(shù)量。 if self.similarity_matrix is None: print(請(qǐng)先調(diào)用 fit() 方法訓(xùn)練模型。) return [] try: # 找到目標(biāo)物品在矩陣中的索引 item_index self.item_ids.index(target_item_id) except ValueError: print(f物品ID {target_item_id} 不在訓(xùn)練集中。) return [] # 獲取目標(biāo)物品與其他所有物品的相似度 item_similarities self.similarity_matrix[item_index] # 按相似度降序排序并排除自身相似度為1 similar_indices np.argsort(item_similarities)[::-1][1:top_n1] recommended_item_ids [self.item_ids[i] for i in similar_indices] return recommended_item_ids # 全局推薦器實(shí)例可在view中調(diào)用 item_cf_recommender ItemCFRecommender()4.2 在 Django View 中調(diào)用推薦算法接下來(lái)在recommendation/views.py中創(chuàng)建視圖函數(shù)用于接收用戶請(qǐng)求并返回推薦結(jié)果。# recommendation/views.py from django.shortcuts import render, get_object_or_404 from django.http import JsonResponse from .models import ScenicSpot, Hotel from .algorithms import item_cf_recommender def scenic_spot_detail(request, spot_id): 景點(diǎn)詳情頁(yè)并展示相似推薦 scenic_spot get_object_or_404(ScenicSpot, pkspot_id) # 獲取相似景點(diǎn)推薦 recommended_spot_ids item_cf_recommender.recommend_items(spot_id, top_n3) recommended_spots ScenicSpot.objects.filter(id__inrecommended_spot_ids) context { scenic_spot: scenic_spot, recommended_spots: recommended_spots, } return render(request, recommendation/scenic_spot_detail.html, context) def get_recommendations_api(request): 為AJAX請(qǐng)求提供推薦結(jié)果的API接口 if request.method GET: item_type request.GET.get(type, scenic) # scenic 或 hotel item_id request.GET.get(item_id) if not item_id: return JsonResponse({error: Missing item_id}, status400) try: item_id int(item_id) except ValueError: return JsonResponse({error: Invalid item_id}, status400) if item_type scenic: recommended_ids item_cf_recommender.recommend_items(item_id) items list(ScenicSpot.objects.filter(id__inrecommended_ids).values(id, name, image_url)) return JsonResponse({recommendations: items}) # 可以擴(kuò)展酒店推薦邏輯 else: return JsonResponse({error: Unsupported item type}, status400) return JsonResponse({error: Method not allowed}, status405)4.3 配置 URL 路由在recommendation應(yīng)用下創(chuàng)建urls.py文件并配置視圖的路由。# recommendation/urls.py from django.urls import path from . import views app_name recommendation urlpatterns [ path(scenic/int:spot_id/, views.scenic_spot_detail, namescenic_spot_detail), path(api/recommendations/, views.get_recommendations_api, nameget_recommendations_api), ]然后將應(yīng)用的路由包含到項(xiàng)目的主路由中。# travel_project/urls.py from django.contrib import admin from django.urls import path, include urlpatterns [ path(admin/, admin.site.urls), path(, include(recommendation.urls)), # 包含推薦應(yīng)用的URL ]5. 數(shù)據(jù)可視化與前端展示一個(gè)優(yōu)秀的系統(tǒng)不僅要有強(qiáng)大的后端還要有直觀的前端界面。我們將使用 Django 模板和 ECharts 來(lái)展示數(shù)據(jù)和推薦結(jié)果。5.1 創(chuàng)建基礎(chǔ)模板和景點(diǎn)詳情頁(yè)首先在recommendation應(yīng)用下創(chuàng)建templates/recommendation目錄并創(chuàng)建基礎(chǔ)模板base.html。!-- recommendation/templates/recommendation/base.html -- !DOCTYPE html html langzh-CN head meta charsetUTF-8 meta nameviewport contentwidthdevice-width, initial-scale1.0 title{% block title %}旅游推薦系統(tǒng){% endblock %}/title link hrefhttps://cdn.jsdelivr.net/npm/bootstrap5.1.3/dist/css/bootstrap.min.css relstylesheet {% block extra_css %}{% endblock %} /head body nav classnavbar navbar-expand-lg navbar-dark bg-dark div classcontainer a classnavbar-brand href/旅游推薦系統(tǒng)/a /div /nav div classcontainer mt-4 {% block content %} {% endblock %} /div script srchttps://cdn.jsdelivr.net/npm/bootstrap5.1.3/dist/js/bootstrap.bundle.min.js/script !-- 引入ECharts -- script srchttps://cdn.jsdelivr.net/npm/echarts5.4.2/dist/echarts.min.js/script {% block extra_js %}{% endblock %} /body /html然后創(chuàng)建景點(diǎn)詳情頁(yè)模板scenic_spot_detail.html。!-- recommendation/templates/recommendation/scenic_spot_detail.html -- {% extends recommendation/base.html %} {% block title %}{{ scenic_spot.name }} - 旅游推薦系統(tǒng){% endblock %} {% block content %} div classrow div classcol-md-8 h1{{ scenic_spot.name }}/h1 pstrong位置/strong{{ scenic_spot.location }}/p pstrong描述/strong{{ scenic_spot.description }}/p pstrong標(biāo)簽/strong {% for tag in scenic_spot.tags.split %} span classbadge bg-secondary{{ tag }}/span {% endfor %} /p pstrong平均評(píng)分/strong{{ scenic_spot.average_rating }}/p /div div classcol-md-4 {% if scenic_spot.image_url %} img src{{ scenic_spot.image_url }} alt{{ scenic_spot.name }} classimg-fluid {% endif %} /div /div hr !-- 相似推薦區(qū)域 -- h3您可能也喜歡/h3 div classrow idrecommendations-container {% for spot in recommended_spots %} div classcol-md-4 mb-3 div classcard {% if spot.image_url %} img src{{ spot.image_url }} classcard-img-top alt{{ spot.name }} {% endif %} div classcard-body h5 classcard-title{{ spot.name }}/h5 p classcard-text{{ spot.location }}/p a href{% url recommendation:scenic_spot_detail spot.id %} classbtn btn-primary查看詳情/a /div /div /div {% empty %} p暫無(wú)推薦數(shù)據(jù)或該景點(diǎn)太獨(dú)特了/p {% endfor %} /div !-- 評(píng)分分布圖 -- div idrating-chart stylewidth: 100%; height: 400px; margin-top: 20px;/div {% endblock %} {% block extra_js %} script // 使用ECharts繪制評(píng)分分布圖示例 var chartDom document.getElementById(rating-chart); var myChart echarts.init(chartDom); var option; // 這里應(yīng)該是從后端API獲取的真實(shí)數(shù)據(jù)此處為示例 option { title: { text: 景點(diǎn)評(píng)分分布 }, tooltip: {}, xAxis: { data: [1星, 2星, 3星, 4星, 5星] }, yAxis: {}, series: [{ name: 數(shù)量, type: bar, data: [5, 20, 36, 10, 10] // 模擬數(shù)據(jù) }] }; option myChart.setOption(option); /script {% endblock %}5.2 實(shí)現(xiàn)數(shù)據(jù)看板視圖為了整體展示系統(tǒng)數(shù)據(jù)可以創(chuàng)建一個(gè)數(shù)據(jù)看板視圖集中展示景點(diǎn)統(tǒng)計(jì)、熱門(mén)標(biāo)簽等可視化圖表。在views.py中添加# recommendation/views.py from django.db.models import Count from collections import Counter import json def dashboard(request): 數(shù)據(jù)看板 # 統(tǒng)計(jì)景點(diǎn)數(shù)量按地區(qū)分布 location_stats ScenicSpot.objects.values(location).annotate(countCount(id)).order_by(-count) location_names [item[location] for item in location_stats] location_counts [item[count] for item in location_stats] # 統(tǒng)計(jì)所有標(biāo)簽 all_tags [] for spot in ScenicSpot.objects.all(): if spot.tags: all_tags.extend([tag.strip() for tag in spot.tags.split(,)]) tag_counter Counter(all_tags) top_tags tag_counter.most_common(10) # 取前10個(gè)最常見(jiàn)標(biāo)簽 tag_names [tag[0] for tag in top_tags] tag_counts [tag[1] for tag in top_tags] context { location_names_json: json.dumps(location_names), location_counts_json: json.dumps(location_counts), tag_names_json: json.dumps(tag_names), tag_counts_json: json.dumps(tag_counts), } return render(request, recommendation/dashboard.html, context)對(duì)應(yīng)的模板dashboard.html可以充分利用 ECharts 繪制柱狀圖和餅圖。6. 系統(tǒng)運(yùn)行、測(cè)試與常見(jiàn)問(wèn)題排查完成核心開(kāi)發(fā)后需要確保系統(tǒng)能正常運(yùn)行并了解如何排查可能出現(xiàn)的問(wèn)題。6.1 啟動(dòng)開(kāi)發(fā)服務(wù)器在項(xiàng)目根目錄下執(zhí)行以下命令啟動(dòng) Django 開(kāi)發(fā)服務(wù)器python manage.py runserver訪問(wèn)http://127.0.0.1:8000/admin/可以進(jìn)入管理后臺(tái)需先創(chuàng)建超級(jí)用戶python manage.py createsuperuser訪問(wèn)http://127.0.0.1:8000可以查看前端頁(yè)面。6.2 初始化數(shù)據(jù)和訓(xùn)練模型在系統(tǒng)首次運(yùn)行時(shí)需要數(shù)據(jù)來(lái)支撐推薦算法?？梢酝ㄟ^(guò) Django Shell 批量創(chuàng)建一些模擬的評(píng)分?jǐn)?shù)據(jù)。python manage.py shell在打開(kāi)的 Shell 中執(zhí)行from recommendation.models import ScenicSpot, UserRating import random # 獲取所有景點(diǎn) spots list(ScenicSpot.objects.all()) user_ids list(range(1, 101)) # 模擬100個(gè)用戶 # 為每個(gè)用戶隨機(jī)對(duì)部分景點(diǎn)評(píng)分 for user_id in user_ids: rated_spots random.sample(spots, krandom.randint(5, 20)) # 每個(gè)用戶評(píng)5-20個(gè)景點(diǎn) for spot in rated_spots: rating random.uniform(1.0, 5.0) # 隨機(jī)生成1-5分的評(píng)分 UserRating.objects.get_or_create(user_iduser_id, scenic_spotspot, defaults{rating: round(rating, 1)}) print(模擬評(píng)分?jǐn)?shù)據(jù)生成完畢。)退出 Shell 后即可調(diào)用之前編寫(xiě)的item_cf_recommender.fit()方法來(lái)訓(xùn)練推薦模型?？梢栽谀硞€(gè)視圖如系統(tǒng)首頁(yè)的視圖中調(diào)用它確保模型在服務(wù)器啟動(dòng)后即被訓(xùn)練。6.3 常見(jiàn)問(wèn)題與解決方案在開(kāi)發(fā)過(guò)程中可能會(huì)遇到以下典型問(wèn)題問(wèn)題現(xiàn)象可能原因檢查與解決方式訪問(wèn)頁(yè)面出現(xiàn)TemplateDoesNotExist錯(cuò)誤模板路徑錯(cuò)誤或未配置檢查templates目錄結(jié)構(gòu)是否正確并在settings.py的TEMPLATES的DIRS中添加[BASE_DIR / templates]推薦結(jié)果始終為空或報(bào)錯(cuò)1. 評(píng)分?jǐn)?shù)據(jù)不足2. 目標(biāo)物品ID不在訓(xùn)練集中3. 算法模型未訓(xùn)練1. 檢查UserRating表中是否有足夠數(shù)據(jù)2. 確認(rèn)傳入的item_id確實(shí)存在3. 確保在調(diào)用recommend_items前已成功調(diào)用fit()方法爬蟲(chóng)腳本無(wú)法導(dǎo)入Django模型Django環(huán)境未正確設(shè)置確保在腳本開(kāi)頭正確配置了DJANGO_SETTINGS_MODULE和sys.path靜態(tài)文件CSS/JS無(wú)法加載靜態(tài)文件配置錯(cuò)誤或未收集開(kāi)發(fā)階段確認(rèn)STATICFILES_DIRS設(shè)置正確。生產(chǎn)部署需運(yùn)行python manage.py collectstatic管理后臺(tái)無(wú)法登錄或樣式錯(cuò)亂數(shù)據(jù)庫(kù)表未創(chuàng)建或靜態(tài)文件問(wèn)題執(zhí)行python manage.py migrate創(chuàng)建表并檢查靜態(tài)文件路徑6.4 性能與優(yōu)化建議推薦算法預(yù)熱對(duì)于小型系統(tǒng)可以在服務(wù)啟動(dòng)時(shí)一次性計(jì)算好物品相似度矩陣并緩存避免每次請(qǐng)求都重復(fù)計(jì)算。數(shù)據(jù)庫(kù)查詢(xún)優(yōu)化使用select_related或prefetch_related來(lái)減少ORM查詢(xún)次數(shù)特別是在列表頁(yè)和詳情頁(yè)。引入緩存對(duì)于不經(jīng)常變化的推薦結(jié)果或景點(diǎn)數(shù)據(jù)可以使用 Django 的緩存框架如 Redis進(jìn)行緩存顯著提升響應(yīng)速度。異步任務(wù)數(shù)據(jù)爬取和模型訓(xùn)練等耗時(shí)操作應(yīng)使用 Celery 等工具轉(zhuǎn)為異步任務(wù)避免阻塞 Web 請(qǐng)求。7. 項(xiàng)目擴(kuò)展方向與總結(jié)本系統(tǒng)實(shí)現(xiàn)了一個(gè)旅游推薦系統(tǒng)的基礎(chǔ)框架但仍有很大的擴(kuò)展空間。7.1 功能擴(kuò)展用戶系統(tǒng)集成 Django 自帶的用戶認(rèn)證系統(tǒng)實(shí)現(xiàn)用戶注冊(cè)、登錄、個(gè)人收藏和歷史記錄功能。混合推薦結(jié)合協(xié)同過(guò)濾和基于內(nèi)容的推薦例如當(dāng)協(xié)同過(guò)濾數(shù)據(jù)不足時(shí)用內(nèi)容相似度進(jìn)行補(bǔ)充。實(shí)時(shí)推薦引入流處理技術(shù)根據(jù)用戶最近的點(diǎn)擊行為實(shí)時(shí)調(diào)整推薦結(jié)果。酒店推薦完善酒店的模型和推薦算法實(shí)現(xiàn)景點(diǎn)與酒店的聯(lián)動(dòng)推薦如“玩了這個(gè)景點(diǎn)附近推薦這些酒店”。情感分析對(duì)用戶評(píng)論進(jìn)行情感分析將情感分?jǐn)?shù)作為推薦權(quán)重之一。7.2 工程化改進(jìn)RESTful API使用 Django REST Framework 將后端徹底 API 化方便與移動(dòng)端應(yīng)用對(duì)接。容器化部署使用 Docker 和 Docker Compose 將項(xiàng)目容器化簡(jiǎn)化部署流程。日志與監(jiān)控增加詳細(xì)的日志記錄并集成 Sentry 等工具進(jìn)行錯(cuò)誤監(jiān)控。這個(gè)項(xiàng)目完整地串聯(lián)了 Python Web 開(kāi)發(fā)、數(shù)據(jù)爬取、算法應(yīng)用和可視化展示等多個(gè)技術(shù)環(huán)節(jié)是檢驗(yàn)綜合能力的優(yōu)秀畢業(yè)設(shè)計(jì)選題。通過(guò)動(dòng)手實(shí)現(xiàn)你不僅能加深對(duì) Django 框架和推薦算法的理解更能掌握從需求分析到產(chǎn)品上線的全流程開(kāi)發(fā)思維。建議在完成基礎(chǔ)功能后選擇一兩個(gè)擴(kuò)展方向進(jìn)行深入研究讓你的項(xiàng)目更具亮點(diǎn)。 基于Python與Django的旅游推薦系統(tǒng)開(kāi)發(fā)實(shí)踐
在旅游行業(yè)快速發(fā)展的背景下如何幫助用戶從海量信息中快速找到符合個(gè)人偏好的景點(diǎn)和酒店成為一個(gè)具有實(shí)際價(jià)值的技術(shù)課題?；?Python 和 Django 框架構(gòu)建一個(gè)旅游推薦系統(tǒng)不僅能夠綜合運(yùn)用爬蟲(chóng)技術(shù)進(jìn)行數(shù)據(jù)采集、利用推薦算法進(jìn)行個(gè)性化匹配還能通過(guò)數(shù)據(jù)分析和可視化直觀展示結(jié)果是檢驗(yàn)數(shù)據(jù)處理和算法應(yīng)用能力的典型項(xiàng)目。本文將帶領(lǐng)讀者從零開(kāi)始構(gòu)建一個(gè)具備景點(diǎn)推薦、酒店推薦、數(shù)據(jù)分析和可視化功能的完整系統(tǒng)適合有一定 Python 基礎(chǔ)希望深入 Web 開(kāi)發(fā)、數(shù)據(jù)挖掘和算法實(shí)踐的開(kāi)發(fā)者。整個(gè)項(xiàng)目將圍繞數(shù)據(jù)獲取、存儲(chǔ)、處理、推薦和展示的核心鏈路展開(kāi)。讀者將學(xué)習(xí)如何使用爬蟲(chóng)技術(shù)從公開(kāi)渠道獲取旅游數(shù)據(jù)如何利用 Django 框架搭建穩(wěn)健的后端服務(wù)如何實(shí)現(xiàn)基于協(xié)同過(guò)濾或內(nèi)容過(guò)濾的推薦算法以及如何使用 ECharts 等前端庫(kù)進(jìn)行數(shù)據(jù)可視化。最終你將擁有一個(gè)可運(yùn)行、可擴(kuò)展的推薦系統(tǒng)原型并能在此基礎(chǔ)上進(jìn)行更深入的功能迭代。1. 理解旅游推薦系統(tǒng)的核心組件與技術(shù)選型一個(gè)完整的旅游推薦系統(tǒng)通常包含數(shù)據(jù)層、算法層、應(yīng)用層和展示層。數(shù)據(jù)層負(fù)責(zé)原始數(shù)據(jù)的采集與存儲(chǔ)算法層負(fù)責(zé)從數(shù)據(jù)中提取特征并生成推薦結(jié)果應(yīng)用層負(fù)責(zé)處理業(yè)務(wù)邏輯和用戶請(qǐng)求展示層則負(fù)責(zé)將結(jié)果以友好的方式呈現(xiàn)給用戶。1.1 為什么選擇 Django 作為 Web 框架Django 是一個(gè)高層次 Python Web 框架它鼓勵(lì)快速開(kāi)發(fā)和簡(jiǎn)潔、實(shí)用的設(shè)計(jì)。對(duì)于推薦系統(tǒng)這類(lèi)需要處理復(fù)雜數(shù)據(jù)關(guān)系的項(xiàng)目Django 自帶的 ORM對(duì)象關(guān)系映射能夠極大簡(jiǎn)化數(shù)據(jù)庫(kù)操作。其內(nèi)置的管理后臺(tái)可以快速搭建起數(shù)據(jù)管理界面便于在開(kāi)發(fā)階段查看和修改爬取到的景點(diǎn)、酒店數(shù)據(jù)。此外Django 的結(jié)構(gòu)清晰MTV 模式有助于保持代碼的可維護(hù)性這對(duì)于可能需要長(zhǎng)期迭代的畢業(yè)設(shè)計(jì)項(xiàng)目尤為重要。1.2 爬蟲(chóng)策略與倫理邊界爬蟲(chóng)是系統(tǒng)數(shù)據(jù)來(lái)源的關(guān)鍵。目標(biāo)數(shù)據(jù)源可能包括旅游平臺(tái)公開(kāi)的景點(diǎn)信息、酒店列表、用戶評(píng)論等。常用的爬蟲(chóng)庫(kù)如requests用于發(fā)送 HTTP 請(qǐng)求BeautifulSoup或lxml用于解析 HTML 頁(yè)面結(jié)構(gòu)Selenium可用于處理 JavaScript 動(dòng)態(tài)渲染的頁(yè)面。注意在實(shí)際操作中必須嚴(yán)格遵守網(wǎng)站的robots.txt協(xié)議控制請(qǐng)求頻率避免對(duì)目標(biāo)網(wǎng)站服務(wù)器造成壓力。本項(xiàng)目所有數(shù)據(jù)采集行為應(yīng)僅限于公開(kāi)、非敏感信息并用于個(gè)人學(xué)習(xí)與研究目的。1.3 推薦算法的常見(jiàn)思路推薦算法是系統(tǒng)的“大腦”。常見(jiàn)的算法可分為協(xié)同過(guò)濾包括基于用戶的協(xié)同過(guò)濾找到相似興趣的用戶推薦他們喜歡的物品和基于物品的協(xié)同過(guò)濾找到相似屬性的物品推薦給喜歡同類(lèi)物品的用戶。這種方法依賴(lài)于用戶行為數(shù)據(jù)如評(píng)分、點(diǎn)擊。內(nèi)容過(guò)濾根據(jù)物品的屬性如景點(diǎn)的類(lèi)型、位置、標(biāo)簽和用戶的歷史偏好進(jìn)行匹配。這種方法在冷啟動(dòng)新用戶或無(wú)行為數(shù)據(jù)階段表現(xiàn)更好。 對(duì)于畢業(yè)設(shè)計(jì)可以先實(shí)現(xiàn)一種基礎(chǔ)算法如基于物品的協(xié)同過(guò)濾或 KNN 近鄰算法再?lài)L試融合多種策略。1.4 數(shù)據(jù)可視化的重要性數(shù)據(jù)可視化不僅能讓推薦結(jié)果更直觀也能在系統(tǒng)開(kāi)發(fā)階段幫助開(kāi)發(fā)者理解數(shù)據(jù)分布和算法效果。使用 ECharts、Chart.js 等前端庫(kù)可以輕松繪制出景點(diǎn)評(píng)分分布圖、酒店價(jià)格熱力圖、用戶興趣標(biāo)簽云等從而提升整個(gè)系統(tǒng)的完整度和表現(xiàn)力。2. 開(kāi)發(fā)環(huán)境準(zhǔn)備與項(xiàng)目初始化在開(kāi)始編碼之前需要配置一個(gè)隔離、可復(fù)現(xiàn)的 Python 開(kāi)發(fā)環(huán)境并創(chuàng)建 Django 項(xiàng)目的基本結(jié)構(gòu)。2.1 創(chuàng)建并激活 Python 虛擬環(huán)境使用虛擬環(huán)境可以避免項(xiàng)目間的依賴(lài)沖突。推薦使用 Python 3.8 或更高版本。# 創(chuàng)建項(xiàng)目目錄并進(jìn)入 mkdir travel_recommendation_system cd travel_recommendation_system # 創(chuàng)建虛擬環(huán)境Windows 和 macOS/Linux 命令略有不同 # Windows python -m venv venv .\venv\Scripts\activate # macOS/Linux python3 -m venv venv source venv/bin/activate激活虛擬環(huán)境后命令行提示符前會(huì)出現(xiàn)(venv)標(biāo)識(shí)。2.2 安裝項(xiàng)目依賴(lài)創(chuàng)建requirements.txt文件列出項(xiàng)目所需的核心庫(kù)。Django4.2.0 requests2.28.2 beautifulsoup44.11.1 pandas1.5.3 numpy1.24.2 scikit-learn1.2.2 django-echarts1.5.1 # 用于Django整合ECharts然后使用 pip 安裝pip install -r requirements.txt2.3 創(chuàng)建 Django 項(xiàng)目和核心應(yīng)用使用 Django 命令行工具初始化項(xiàng)目和應(yīng)用。# 創(chuàng)建Django項(xiàng)目注意最后有個(gè)點(diǎn)表示在當(dāng)前目錄創(chuàng)建 django-admin startproject travel_project . # 創(chuàng)建核心應(yīng)用例如命名為recommendation python manage.py startapp recommendation創(chuàng)建完成后項(xiàng)目目錄結(jié)構(gòu)應(yīng)如下所示travel_recommendation_system/ ├── manage.py ├── requirements.txt ├── travel_project/ │ ├── __init__.py │ ├── settings.py │ ├── urls.py │ └── wsgi.py └── recommendation/ ├── __init__.py ├── admin.py ├── apps.py ├── models.py ├── tests.py └── views.py2.4 配置數(shù)據(jù)庫(kù)和基礎(chǔ)設(shè)置Django 默認(rèn)使用 SQLite 數(shù)據(jù)庫(kù)這對(duì)于畢業(yè)設(shè)計(jì)原型來(lái)說(shuō)已經(jīng)足夠。需要修改travel_project/settings.py文件將新創(chuàng)建的應(yīng)用加入INSTALLED_APPS并配置靜態(tài)文件路徑。# travel_project/settings.py INSTALLED_APPS [ django.contrib.admin, django.contrib.auth, django.contrib.contenttypes, django.contrib.sessions, django.contrib.messages, django.contrib.staticfiles, recommendation, # 新增的應(yīng)用 ] # 配置靜態(tài)文件CSS, JavaScript, Images STATIC_URL static/ STATICFILES_DIRS [BASE_DIR / static] # 項(xiàng)目根目錄下的static文件夾 # 配置媒體文件用戶上傳的圖片等 MEDIA_URL /media/ MEDIA_ROOT BASE_DIR / media完成配置后執(zhí)行數(shù)據(jù)庫(kù)遷移創(chuàng)建初始表結(jié)構(gòu)python manage.py migrate3. 數(shù)據(jù)模型設(shè)計(jì)與爬蟲(chóng)實(shí)現(xiàn)系統(tǒng)的基石是數(shù)據(jù)。我們需要設(shè)計(jì)合理的數(shù)據(jù)庫(kù)模型來(lái)存儲(chǔ)景點(diǎn)、酒店和用戶行為數(shù)據(jù)并編寫(xiě)爬蟲(chóng)程序來(lái)填充初始數(shù)據(jù)。3.1 設(shè)計(jì)核心數(shù)據(jù)模型在recommendation/models.py中定義核心模型。一個(gè)簡(jiǎn)化的設(shè)計(jì)可能包括景點(diǎn)、酒店和用戶評(píng)分模型。from django.db import models class ScenicSpot(models.Model): 景點(diǎn)模型 name models.CharField(max_length200, verbose_name景點(diǎn)名稱(chēng)) location models.CharField(max_length100, verbose_name所在地) description models.TextField(verbose_name描述) tags models.CharField(max_length200, verbose_name標(biāo)簽, help_text用逗號(hào)分隔如自然,山水,歷史) average_rating models.FloatField(default0.0, verbose_name平均評(píng)分) image_url models.URLField(blankTrue, verbose_name圖片鏈接) class Meta: verbose_name 景點(diǎn) verbose_name_plural verbose_name def __str__(self): return self.name class Hotel(models.Model): 酒店模型 name models.CharField(max_length200, verbose_name酒店名稱(chēng)) location models.CharField(max_length100, verbose_name所在地) price_range models.CharField(max_length50, verbose_name價(jià)格區(qū)間) amenities models.CharField(max_length300, verbose_name設(shè)施, help_text用逗號(hào)分隔如WiFi,停車(chē)場(chǎng),游泳池) average_rating models.FloatField(default0.0, verbose_name平均評(píng)分) image_url models.URLField(blankTrue, verbose_name圖片鏈接) class Meta: verbose_name 酒店 verbose_name_plural verbose_name def __str__(self): return self.name class UserRating(models.Model): 用戶評(píng)分模型用于協(xié)同過(guò)濾算法 user_id models.IntegerField(verbose_name用戶ID) # 簡(jiǎn)化設(shè)計(jì)實(shí)際項(xiàng)目應(yīng)關(guān)聯(lián)User模型 scenic_spot models.ForeignKey(ScenicSpot, on_deletemodels.CASCADE, nullTrue, blankTrue) hotel models.ForeignKey(Hotel, on_deletemodels.CASCADE, nullTrue, blankTrue) rating models.FloatField(verbose_name評(píng)分1-5分) class Meta: verbose_name 用戶評(píng)分 verbose_name_plural verbose_name # 確保一個(gè)用戶對(duì)同一個(gè)物品只能評(píng)分一次 unique_together [[user_id, scenic_spot], [user_id, hotel]]定義模型后生成并執(zhí)行遷移文件python manage.py makemigrations python manage.py migrate3.2 編寫(xiě)基礎(chǔ)爬蟲(chóng)腳本在項(xiàng)目根目錄下創(chuàng)建一個(gè)scripts文件夾用于存放爬蟲(chóng)腳本。以下是一個(gè)使用requests和BeautifulSoup爬取模擬景點(diǎn)數(shù)據(jù)的示例。# scripts/scenic_spider.py import requests from bs4 import BeautifulSoup import os import django import sys # 設(shè)置Django環(huán)境 sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__)))) os.environ.setdefault(DJANGO_SETTINGS_MODULE, travel_project.settings) django.setup() from recommendation.models import ScenicSpot def crawl_scenic_spots(): 一個(gè)示例爬蟲(chóng)函數(shù)從模擬頁(yè)面爬取景點(diǎn)數(shù)據(jù)。 實(shí)際應(yīng)用中需替換為目標(biāo)網(wǎng)站的URL和解析邏輯。 # 示例URL實(shí)際應(yīng)替換為真實(shí)且允許爬取的網(wǎng)站 url https://example-travel-site.com/scenic try: headers { User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 } response requests.get(url, headersheaders, timeout10) response.raise_for_status() # 檢查請(qǐng)求是否成功 soup BeautifulSoup(response.text, html.parser) # 假設(shè)每個(gè)景點(diǎn)信息在一個(gè) classspot-item 的div中 spot_items soup.find_all(div, class_spot-item) for item in spot_items: name item.find(h3).text.strip() if item.find(h3) else 未知景點(diǎn) location item.find(span, class_location).text.strip() if item.find(span, class_location) else 未知地點(diǎn) description item.find(p, class_desc).text.strip() if item.find(p, class_desc) else 暫無(wú)描述 tags item.get(data-tags, ) # 假設(shè)標(biāo)簽存儲(chǔ)在data屬性中 # 避免重復(fù)爬取 if not ScenicSpot.objects.filter(namename, locationlocation).exists(): ScenicSpot.objects.create( namename, locationlocation, descriptiondescription, tagstags, average_rating0.0 # 初始評(píng)分 ) print(f成功添加景點(diǎn): {name}) else: print(f景點(diǎn)已存在: {name}) except requests.RequestException as e: print(f爬取過(guò)程中發(fā)生錯(cuò)誤: {e}) if __name__ __main__: crawl_scenic_spots()運(yùn)行此腳本前務(wù)必確保已激活虛擬環(huán)境并正確設(shè)置了 Django 環(huán)境。python scripts/scenic_spider.py注意由于網(wǎng)絡(luò)環(huán)境和網(wǎng)站結(jié)構(gòu)的不可控性爬蟲(chóng)腳本極易因網(wǎng)站改版而失效。在畢業(yè)設(shè)計(jì)中更穩(wěn)妥的做法是準(zhǔn)備一份靜態(tài)的、結(jié)構(gòu)化的 JSON 或 CSV 文件作為初始數(shù)據(jù)源通過(guò) Django 的管理命令或自定義腳本將數(shù)據(jù)導(dǎo)入數(shù)據(jù)庫(kù)。這能確保項(xiàng)目演示時(shí)數(shù)據(jù)源的穩(wěn)定性。4. 推薦算法核心實(shí)現(xiàn)有了數(shù)據(jù)之后核心任務(wù)是實(shí)現(xiàn)推薦邏輯。這里以基于物品的協(xié)同過(guò)濾Item-Based Collaborative Filtering為例介紹如何在 Django 中集成推薦算法。4.1 構(gòu)建用戶-物品評(píng)分矩陣協(xié)同過(guò)濾算法的基礎(chǔ)是一個(gè)用戶對(duì)物品的評(píng)分矩陣。我們需要從UserRating模型中提取數(shù)據(jù)構(gòu)建這個(gè)矩陣。在recommendation應(yīng)用下創(chuàng)建一個(gè)新文件recommendation/algorithms.py。# recommendation/algorithms.py import numpy as np import pandas as pd from sklearn.metrics.pairwise import cosine_similarity from django.db.models import Count from .models import UserRating, ScenicSpot class ItemCFRecommender: 基于物品的協(xié)同過(guò)濾推薦器 def __init__(self): self.similarity_matrix None self.item_ids None def fit(self, min_ratings5): 訓(xùn)練模型計(jì)算物品間的相似度矩陣。 min_ratings: 物品最少被評(píng)分次數(shù)用于過(guò)濾冷門(mén)物品。 # 獲取評(píng)分?jǐn)?shù)據(jù) ratings UserRating.objects.all().values(user_id, scenic_spot_id, rating) if not ratings: print(警告暫無(wú)評(píng)分?jǐn)?shù)據(jù)無(wú)法計(jì)算相似度。) return df pd.DataFrame(list(ratings)) # 過(guò)濾掉被評(píng)分次數(shù)過(guò)少的物品 item_rating_counts df[scenic_spot_id].value_counts() valid_items item_rating_counts[item_rating_counts min_ratings].index df df[df[scenic_spot_id].isin(valid_items)] if df.empty: print(警告經(jīng)過(guò)過(guò)濾后無(wú)有效數(shù)據(jù)。) return # 構(gòu)建用戶-物品評(píng)分矩陣 rating_matrix df.pivot_table(indexuser_id, columnsscenic_spot_id, valuesrating, fill_value0) # 計(jì)算物品間的余弦相似度 self.similarity_matrix cosine_similarity(rating_matrix.T) self.item_ids rating_matrix.columns.tolist() print(f相似度矩陣計(jì)算完成共 {len(self.item_ids)} 個(gè)物品。) def recommend_items(self, target_item_id, top_n5): 為指定物品推薦相似的物品。 target_item_id: 目標(biāo)物品的ID。 top_n: 返回推薦物品的數(shù)量。 if self.similarity_matrix is None: print(請(qǐng)先調(diào)用 fit() 方法訓(xùn)練模型。) return [] try: # 找到目標(biāo)物品在矩陣中的索引 item_index self.item_ids.index(target_item_id) except ValueError: print(f物品ID {target_item_id} 不在訓(xùn)練集中。) return [] # 獲取目標(biāo)物品與其他所有物品的相似度 item_similarities self.similarity_matrix[item_index] # 按相似度降序排序并排除自身相似度為1 similar_indices np.argsort(item_similarities)[::-1][1:top_n1] recommended_item_ids [self.item_ids[i] for i in similar_indices] return recommended_item_ids # 全局推薦器實(shí)例可在view中調(diào)用 item_cf_recommender ItemCFRecommender()4.2 在 Django View 中調(diào)用推薦算法接下來(lái)在recommendation/views.py中創(chuàng)建視圖函數(shù)用于接收用戶請(qǐng)求并返回推薦結(jié)果。# recommendation/views.py from django.shortcuts import render, get_object_or_404 from django.http import JsonResponse from .models import ScenicSpot, Hotel from .algorithms import item_cf_recommender def scenic_spot_detail(request, spot_id): 景點(diǎn)詳情頁(yè)并展示相似推薦 scenic_spot get_object_or_404(ScenicSpot, pkspot_id) # 獲取相似景點(diǎn)推薦 recommended_spot_ids item_cf_recommender.recommend_items(spot_id, top_n3) recommended_spots ScenicSpot.objects.filter(id__inrecommended_spot_ids) context { scenic_spot: scenic_spot, recommended_spots: recommended_spots, } return render(request, recommendation/scenic_spot_detail.html, context) def get_recommendations_api(request): 為AJAX請(qǐng)求提供推薦結(jié)果的API接口 if request.method GET: item_type request.GET.get(type, scenic) # scenic 或 hotel item_id request.GET.get(item_id) if not item_id: return JsonResponse({error: Missing item_id}, status400) try: item_id int(item_id) except ValueError: return JsonResponse({error: Invalid item_id}, status400) if item_type scenic: recommended_ids item_cf_recommender.recommend_items(item_id) items list(ScenicSpot.objects.filter(id__inrecommended_ids).values(id, name, image_url)) return JsonResponse({recommendations: items}) # 可以擴(kuò)展酒店推薦邏輯 else: return JsonResponse({error: Unsupported item type}, status400) return JsonResponse({error: Method not allowed}, status405)4.3 配置 URL 路由在recommendation應(yīng)用下創(chuàng)建urls.py文件并配置視圖的路由。# recommendation/urls.py from django.urls import path from . import views app_name recommendation urlpatterns [ path(scenic/int:spot_id/, views.scenic_spot_detail, namescenic_spot_detail), path(api/recommendations/, views.get_recommendations_api, nameget_recommendations_api), ]然后將應(yīng)用的路由包含到項(xiàng)目的主路由中。# travel_project/urls.py from django.contrib import admin from django.urls import path, include urlpatterns [ path(admin/, admin.site.urls), path(, include(recommendation.urls)), # 包含推薦應(yīng)用的URL ]5. 數(shù)據(jù)可視化與前端展示一個(gè)優(yōu)秀的系統(tǒng)不僅要有強(qiáng)大的后端還要有直觀的前端界面。我們將使用 Django 模板和 ECharts 來(lái)展示數(shù)據(jù)和推薦結(jié)果。5.1 創(chuàng)建基礎(chǔ)模板和景點(diǎn)詳情頁(yè)首先在recommendation應(yīng)用下創(chuàng)建templates/recommendation目錄并創(chuàng)建基礎(chǔ)模板base.html。!-- recommendation/templates/recommendation/base.html -- !DOCTYPE html html langzh-CN head meta charsetUTF-8 meta nameviewport contentwidthdevice-width, initial-scale1.0 title{% block title %}旅游推薦系統(tǒng){% endblock %}/title link hrefhttps://cdn.jsdelivr.net/npm/bootstrap5.1.3/dist/css/bootstrap.min.css relstylesheet {% block extra_css %}{% endblock %} /head body nav classnavbar navbar-expand-lg navbar-dark bg-dark div classcontainer a classnavbar-brand href/旅游推薦系統(tǒng)/a /div /nav div classcontainer mt-4 {% block content %} {% endblock %} /div script srchttps://cdn.jsdelivr.net/npm/bootstrap5.1.3/dist/js/bootstrap.bundle.min.js/script !-- 引入ECharts -- script srchttps://cdn.jsdelivr.net/npm/echarts5.4.2/dist/echarts.min.js/script {% block extra_js %}{% endblock %} /body /html然后創(chuàng)建景點(diǎn)詳情頁(yè)模板scenic_spot_detail.html。!-- recommendation/templates/recommendation/scenic_spot_detail.html -- {% extends recommendation/base.html %} {% block title %}{{ scenic_spot.name }} - 旅游推薦系統(tǒng){% endblock %} {% block content %} div classrow div classcol-md-8 h1{{ scenic_spot.name }}/h1 pstrong位置/strong{{ scenic_spot.location }}/p pstrong描述/strong{{ scenic_spot.description }}/p pstrong標(biāo)簽/strong {% for tag in scenic_spot.tags.split %} span classbadge bg-secondary{{ tag }}/span {% endfor %} /p pstrong平均評(píng)分/strong{{ scenic_spot.average_rating }}/p /div div classcol-md-4 {% if scenic_spot.image_url %} img src{{ scenic_spot.image_url }} alt{{ scenic_spot.name }} classimg-fluid {% endif %} /div /div hr !-- 相似推薦區(qū)域 -- h3您可能也喜歡/h3 div classrow idrecommendations-container {% for spot in recommended_spots %} div classcol-md-4 mb-3 div classcard {% if spot.image_url %} img src{{ spot.image_url }} classcard-img-top alt{{ spot.name }} {% endif %} div classcard-body h5 classcard-title{{ spot.name }}/h5 p classcard-text{{ spot.location }}/p a href{% url recommendation:scenic_spot_detail spot.id %} classbtn btn-primary查看詳情/a /div /div /div {% empty %} p暫無(wú)推薦數(shù)據(jù)或該景點(diǎn)太獨(dú)特了/p {% endfor %} /div !-- 評(píng)分分布圖 -- div idrating-chart stylewidth: 100%; height: 400px; margin-top: 20px;/div {% endblock %} {% block extra_js %} script // 使用ECharts繪制評(píng)分分布圖示例 var chartDom document.getElementById(rating-chart); var myChart echarts.init(chartDom); var option; // 這里應(yīng)該是從后端API獲取的真實(shí)數(shù)據(jù)此處為示例 option { title: { text: 景點(diǎn)評(píng)分分布 }, tooltip: {}, xAxis: { data: [1星, 2星, 3星, 4星, 5星] }, yAxis: {}, series: [{ name: 數(shù)量, type: bar, data: [5, 20, 36, 10, 10] // 模擬數(shù)據(jù) }] }; option myChart.setOption(option); /script {% endblock %}5.2 實(shí)現(xiàn)數(shù)據(jù)看板視圖為了整體展示系統(tǒng)數(shù)據(jù)可以創(chuàng)建一個(gè)數(shù)據(jù)看板視圖集中展示景點(diǎn)統(tǒng)計(jì)、熱門(mén)標(biāo)簽等可視化圖表。在views.py中添加# recommendation/views.py from django.db.models import Count from collections import Counter import json def dashboard(request): 數(shù)據(jù)看板 # 統(tǒng)計(jì)景點(diǎn)數(shù)量按地區(qū)分布 location_stats ScenicSpot.objects.values(location).annotate(countCount(id)).order_by(-count) location_names [item[location] for item in location_stats] location_counts [item[count] for item in location_stats] # 統(tǒng)計(jì)所有標(biāo)簽 all_tags [] for spot in ScenicSpot.objects.all(): if spot.tags: all_tags.extend([tag.strip() for tag in spot.tags.split(,)]) tag_counter Counter(all_tags) top_tags tag_counter.most_common(10) # 取前10個(gè)最常見(jiàn)標(biāo)簽 tag_names [tag[0] for tag in top_tags] tag_counts [tag[1] for tag in top_tags] context { location_names_json: json.dumps(location_names), location_counts_json: json.dumps(location_counts), tag_names_json: json.dumps(tag_names), tag_counts_json: json.dumps(tag_counts), } return render(request, recommendation/dashboard.html, context)對(duì)應(yīng)的模板dashboard.html可以充分利用 ECharts 繪制柱狀圖和餅圖。6. 系統(tǒng)運(yùn)行、測(cè)試與常見(jiàn)問(wèn)題排查完成核心開(kāi)發(fā)后需要確保系統(tǒng)能正常運(yùn)行并了解如何排查可能出現(xiàn)的問(wèn)題。6.1 啟動(dòng)開(kāi)發(fā)服務(wù)器在項(xiàng)目根目錄下執(zhí)行以下命令啟動(dòng) Django 開(kāi)發(fā)服務(wù)器python manage.py runserver訪問(wèn)http://127.0.0.1:8000/admin/可以進(jìn)入管理后臺(tái)需先創(chuàng)建超級(jí)用戶python manage.py createsuperuser訪問(wèn)http://127.0.0.1:8000可以查看前端頁(yè)面。6.2 初始化數(shù)據(jù)和訓(xùn)練模型在系統(tǒng)首次運(yùn)行時(shí)需要數(shù)據(jù)來(lái)支撐推薦算法?？梢酝ㄟ^(guò) Django Shell 批量創(chuàng)建一些模擬的評(píng)分?jǐn)?shù)據(jù)。python manage.py shell在打開(kāi)的 Shell 中執(zhí)行from recommendation.models import ScenicSpot, UserRating import random # 獲取所有景點(diǎn) spots list(ScenicSpot.objects.all()) user_ids list(range(1, 101)) # 模擬100個(gè)用戶 # 為每個(gè)用戶隨機(jī)對(duì)部分景點(diǎn)評(píng)分 for user_id in user_ids: rated_spots random.sample(spots, krandom.randint(5, 20)) # 每個(gè)用戶評(píng)5-20個(gè)景點(diǎn) for spot in rated_spots: rating random.uniform(1.0, 5.0) # 隨機(jī)生成1-5分的評(píng)分 UserRating.objects.get_or_create(user_iduser_id, scenic_spotspot, defaults{rating: round(rating, 1)}) print(模擬評(píng)分?jǐn)?shù)據(jù)生成完畢。)退出 Shell 后即可調(diào)用之前編寫(xiě)的item_cf_recommender.fit()方法來(lái)訓(xùn)練推薦模型?？梢栽谀硞€(gè)視圖如系統(tǒng)首頁(yè)的視圖中調(diào)用它確保模型在服務(wù)器啟動(dòng)后即被訓(xùn)練。6.3 常見(jiàn)問(wèn)題與解決方案在開(kāi)發(fā)過(guò)程中可能會(huì)遇到以下典型問(wèn)題問(wèn)題現(xiàn)象可能原因檢查與解決方式訪問(wèn)頁(yè)面出現(xiàn)TemplateDoesNotExist錯(cuò)誤模板路徑錯(cuò)誤或未配置檢查templates目錄結(jié)構(gòu)是否正確并在settings.py的TEMPLATES的DIRS中添加[BASE_DIR / templates]推薦結(jié)果始終為空或報(bào)錯(cuò)1. 評(píng)分?jǐn)?shù)據(jù)不足2. 目標(biāo)物品ID不在訓(xùn)練集中3. 算法模型未訓(xùn)練1. 檢查UserRating表中是否有足夠數(shù)據(jù)2. 確認(rèn)傳入的item_id確實(shí)存在3. 確保在調(diào)用recommend_items前已成功調(diào)用fit()方法爬蟲(chóng)腳本無(wú)法導(dǎo)入Django模型Django環(huán)境未正確設(shè)置確保在腳本開(kāi)頭正確配置了DJANGO_SETTINGS_MODULE和sys.path靜態(tài)文件CSS/JS無(wú)法加載靜態(tài)文件配置錯(cuò)誤或未收集開(kāi)發(fā)階段確認(rèn)STATICFILES_DIRS設(shè)置正確。生產(chǎn)部署需運(yùn)行python manage.py collectstatic管理后臺(tái)無(wú)法登錄或樣式錯(cuò)亂數(shù)據(jù)庫(kù)表未創(chuàng)建或靜態(tài)文件問(wèn)題執(zhí)行python manage.py migrate創(chuàng)建表并檢查靜態(tài)文件路徑6.4 性能與優(yōu)化建議推薦算法預(yù)熱對(duì)于小型系統(tǒng)可以在服務(wù)啟動(dòng)時(shí)一次性計(jì)算好物品相似度矩陣并緩存避免每次請(qǐng)求都重復(fù)計(jì)算。數(shù)據(jù)庫(kù)查詢(xún)優(yōu)化使用select_related或prefetch_related來(lái)減少ORM查詢(xún)次數(shù)特別是在列表頁(yè)和詳情頁(yè)。引入緩存對(duì)于不經(jīng)常變化的推薦結(jié)果或景點(diǎn)數(shù)據(jù)可以使用 Django 的緩存框架如 Redis進(jìn)行緩存顯著提升響應(yīng)速度。異步任務(wù)數(shù)據(jù)爬取和模型訓(xùn)練等耗時(shí)操作應(yīng)使用 Celery 等工具轉(zhuǎn)為異步任務(wù)避免阻塞 Web 請(qǐng)求。7. 項(xiàng)目擴(kuò)展方向與總結(jié)本系統(tǒng)實(shí)現(xiàn)了一個(gè)旅游推薦系統(tǒng)的基礎(chǔ)框架但仍有很大的擴(kuò)展空間。7.1 功能擴(kuò)展用戶系統(tǒng)集成 Django 自帶的用戶認(rèn)證系統(tǒng)實(shí)現(xiàn)用戶注冊(cè)、登錄、個(gè)人收藏和歷史記錄功能。混合推薦結(jié)合協(xié)同過(guò)濾和基于內(nèi)容的推薦例如當(dāng)協(xié)同過(guò)濾數(shù)據(jù)不足時(shí)用內(nèi)容相似度進(jìn)行補(bǔ)充。實(shí)時(shí)推薦引入流處理技術(shù)根據(jù)用戶最近的點(diǎn)擊行為實(shí)時(shí)調(diào)整推薦結(jié)果。酒店推薦完善酒店的模型和推薦算法實(shí)現(xiàn)景點(diǎn)與酒店的聯(lián)動(dòng)推薦如“玩了這個(gè)景點(diǎn)附近推薦這些酒店”。情感分析對(duì)用戶評(píng)論進(jìn)行情感分析將情感分?jǐn)?shù)作為推薦權(quán)重之一。7.2 工程化改進(jìn)RESTful API使用 Django REST Framework 將后端徹底 API 化方便與移動(dòng)端應(yīng)用對(duì)接。容器化部署使用 Docker 和 Docker Compose 將項(xiàng)目容器化簡(jiǎn)化部署流程。日志與監(jiān)控增加詳細(xì)的日志記錄并集成 Sentry 等工具進(jìn)行錯(cuò)誤監(jiān)控。這個(gè)項(xiàng)目完整地串聯(lián)了 Python Web 開(kāi)發(fā)、數(shù)據(jù)爬取、算法應(yīng)用和可視化展示等多個(gè)技術(shù)環(huán)節(jié)是檢驗(yàn)綜合能力的優(yōu)秀畢業(yè)設(shè)計(jì)選題。通過(guò)動(dòng)手實(shí)現(xiàn)你不僅能加深對(duì) Django 框架和推薦算法的理解更能掌握從需求分析到產(chǎn)品上線的全流程開(kāi)發(fā)思維。建議在完成基礎(chǔ)功能后選擇一兩個(gè)擴(kuò)展方向進(jìn)行深入研究讓你的項(xiàng)目更具亮點(diǎn)。