基于协同过滤的电影推荐系统设计与实现
项目简介
面向影迷的电影推荐系统：浏览与搜索电影、打分、获得个性化推荐（UserCF / ItemCF / 矩阵分解三算法可切换）并查看算法离线对比报告。算法全部用 NumPy 手写，不依赖第三方推荐库。在同一份切分（每用户随机 8:2，种子 42）下比较评分预测（RMSE/MAE）与 Top-N 排序（Precision@10/Recall@10），并报告覆盖率。
演示视频
视频也可在 B 站视频页 观看
运行环境
| 编程语言 | Python 3.8 及以上 |
|---|---|
| 后端框架 | Django 4.2 |
| 算法与计算 | NumPy 1.23 手写（余弦相似度 + TopK 邻居 + FunkSVD），不依赖第三方推荐库 |
| 数据处理 | pandas 2.0 |
| 数据库 | MySQL 8.0（交付默认 SQLite，免安装） |
| 可视化 | ECharts 5（已内置本地文件，离线可用） |
| 数据集 | MovieLens ml-latest-small（100836 条评分 / 610 用户 / 9742 电影），原始 CSV 随包 |
| 操作系统 | Windows / macOS / Linux |
| 启动方式 | 双击一键脚本，或 python manage.py runserver 8075 |
功能模块
- 三算法对比实验：热门基线 / UserCF / ItemCF / 矩阵分解（FunkSVD）在同一份切分下评测，指标由脚本产出、页面直接读取
- 评分预测与排序质量分开看：MF 的 RMSE 最低（0.8445），UserCF 的 Top-10 排序最好（P@10 0.1889）
- 覆盖率对比：UserCF 覆盖 12.84%，热门基线仅 2.84% —— 说明个性化推荐确实打破了「千人一面」
- 收缩项（λ=10）：把低证据预测拉回均值；无收缩时邻域方法 P@10 低到 0.004（低于随机），这是稀疏数据上的关键细节
- 可解释推荐：卡片给出理由（相似用户也给了高分 / 因为你喜欢 X / 隐向量预测高分）
- 冷启动兜底：评分数少于 5 条按「高分热门」推荐并提示，不返回空结果
- 电影详情：平均分、评分人数、本站评分分布图、相似电影（ItemCF 副产品）、星级打分
- 工程实现：NumPy 手写算法（无第三方推荐库）；矩阵与相似度进程内缓存、评分后失效重建
交付内容
- 完整源码（已跑通，Django 工程 + 三种推荐算法 + 离线评估脚本）
- MovieLens 原始数据（movies.csv / ratings.csv）与演示数据库（含电影、评分与演示账号）
- 离线评估报告 rec/artifacts/metrics.json（页面直接读取，保证指标可复现）
- 毕业设计任务书（Word）
- 开题报告（Word）
- 毕业论文（Word，七章制，含对比实验与收缩项分析）
- 系统使用与二次开发说明（Word + md）
- 11 张系统运行截图
最终成品目录结构
下面是交付包里的真实目录，共 72 个文件。只展示文件名，不含文件内容； 点击文件夹可逐层展开，看到每个模块是怎么拆分的。
界面截图
点击任意一张可放大，支持左右切换（也可用键盘 ← → 键）
文档预览
交付的任务书、开题报告与论文均为 Word 文档，下面是真实页面预览；点击可放大并左右切换：
常见问题
项目能直接跑起来吗？
能。交付包内带演示数据库与 MovieLens 原始数据，安装依赖（Django/NumPy/pandas）后双击一键脚本即可；评估报告也已随包提供。
推荐效果怎么样？
同一份切分下：矩阵分解评分预测最准（RMSE 0.8445），UserCF 的 Top-10 排序最好（Precision@10 0.1889），且覆盖率 12.84%，远高于热门基线的 2.84%。
为什么有两个「最优」？
RMSE 衡量「打分准不准」，Precision@10 衡量「排序好不好」，两者并不同向：矩阵分解优化全量评分的平方误差，长尾误差会稀释排序信号；UserCF 更贴近「相似的人喜欢什么」，所以排序更好。
ItemCF 为什么排序偏弱？
MovieLens 小数据集的物品共现很稀疏，每部电影平均只有几十个评分，能形成稳定共现的物品很少，邻居质量不稳定；但它的评分预测（RMSE 0.8903）仍与 UserCF 接近。
收缩项是做什么的？
邻域方法在稀疏数据上会被「只与少数电影高度相似」的低证据电影放大预测。加收缩项 score = mean + Σ(sim·Δ)/(Σ|sim| + λ)（λ=10）后按证据强度拉回均值，Top-N 排序质量大幅改善。
新用户没有评分怎么办？
评分数少于 5 条时走「高分热门」冷启动兜底（评分数 ≥ 50 且平均分靠前），并提示多评几部，不会返回空列表。
数据是真的吗？
电影与评分来自公开数据集 MovieLens ml-latest-small（GroupLens），原始 CSV 随包提供，可自行核对与复现。
能换数据集或算法吗？
能。换 data/raw 下的 movies.csv 与 ratings.csv（保持列名）后重跑 seed_data 与 train_rec；加算法在 rec/engine.py 实现后在 evaluate.py 与 service.py 注册即可。