很多做 Python 畢業(yè)設(shè)計(jì)的同學(xué)看到“推薦系統(tǒng)”四個(gè)字第一反應(yīng)是先去找算法公式第二反應(yīng)是擔(dān)心“數(shù)學(xué)不好能不能做”。實(shí)際上畢設(shè)里的推薦系統(tǒng)并沒(méi)有那么神秘。它最核心的協(xié)同過(guò)濾思想翻譯成大白話就是一句話把跟你口味相似的人喜歡的歌推薦給你或者把你平時(shí)聽(tīng)過(guò)的歌的“同類歌”推薦給你。這個(gè)課題能在本科畢設(shè)里持續(xù)熱門(mén)原因是它天然具備“算法有亮點(diǎn)、工程可落地、界面能展示、論文有素材”四個(gè)特點(diǎn)。你可以用 Python 獨(dú)立完成后端推薦引擎用 Django 暴露接口再用 Vue 做前端頁(yè)面。整個(gè)過(guò)程沒(méi)有一項(xiàng)技術(shù)是超綱的但它合成的效果卻足以撐起一份完整的畢設(shè)項(xiàng)目。這篇文章會(huì)把整個(gè)系統(tǒng)從零到一拆開(kāi)講重點(diǎn)解決三類問(wèn)題協(xié)同過(guò)濾到底是什么在音樂(lè)場(chǎng)景里應(yīng)該怎么建模Django 如何描述用戶、歌曲和評(píng)分行為算法如何寫(xiě)進(jìn)業(yè)務(wù)代碼Vue 前端如何把“為你推薦”變成可點(diǎn)擊、可播放、可收藏的真實(shí)頁(yè)面。內(nèi)容末尾還整理了常見(jiàn)異常和答辯高頻問(wèn)題方便直接對(duì)照復(fù)盤(pán)。1. 先想清楚一件事你做的不是算法 Demo而是一個(gè)系統(tǒng)很多人做畢設(shè)容易走偏花兩周調(diào)一個(gè) Python 腳本打印出幾個(gè)相似度數(shù)字就以為推薦系統(tǒng)做完了。但答辯時(shí)老師看重的往往不是你的相似度公式寫(xiě)得多細(xì)而是你有沒(méi)有把推薦這個(gè)動(dòng)作完整放進(jìn)業(yè)務(wù)流程里。推薦系統(tǒng)在真實(shí)產(chǎn)品中應(yīng)該具備三塊聯(lián)動(dòng)能力行為采集用戶收藏了哪首歌、聽(tīng)了多少秒、是否評(píng)分。沒(méi)有行為數(shù)據(jù)算法就是無(wú)源之水。算法計(jì)算維護(hù)一張“用戶-歌曲-評(píng)分”關(guān)系表并在此基礎(chǔ)上完成相似度計(jì)算和 TopN 排序。前端觸達(dá)推薦結(jié)果最終要出現(xiàn)在頁(yè)面里以列表形式呈現(xiàn)比如“猜你喜歡”“相似歌曲”。論文里可以寫(xiě)“本系統(tǒng)基于協(xié)同過(guò)濾算法實(shí)現(xiàn)個(gè)性化推薦”但工程里真正要落地的是上面這串完整鏈路。接下來(lái)的內(nèi)容會(huì)以這個(gè)鏈路為主線展開(kāi)。1.1 這個(gè)系統(tǒng)的技術(shù)選型為什么是 Django Vue先用一句話總結(jié)結(jié)論Django 負(fù)責(zé)把“數(shù)據(jù)模型、推薦計(jì)算、API 接口”包成后端服務(wù)Vue 負(fù)責(zé)把后端計(jì)算結(jié)果渲染成用戶能看懂的界面。這個(gè)組合在本科畢設(shè)里流行有三個(gè)直接原因Django 自帶 ORM 和 Admin 后臺(tái)建表、加數(shù)據(jù)、管理歌曲不需要額外開(kāi)發(fā)一套后臺(tái)頁(yè)面Django REST Framework 可以快速把 Python 對(duì)象轉(zhuǎn)換成 JSON 接口剛好喂給前端Vue 單頁(yè)組件寫(xiě)法直觀用來(lái)做“播放器 推薦列表 收藏按鈕”這類交互開(kāi)發(fā)量可控。數(shù)據(jù)庫(kù)方面如果是在本機(jī)演示使用 Django 默認(rèn)的 SQLite 即可。SQLite 單文件部署對(duì)畢設(shè)最友好。如果導(dǎo)師明確要求“必須使用 MySQL”你只需要在項(xiàng)目中替換DATABASES配置然后重新執(zhí)行遷移命令模型層代碼不需要大改。2. 基礎(chǔ)概念協(xié)同過(guò)濾的兩種核心玩法在寫(xiě)代碼之前需要用“場(chǎng)景化”的方式把協(xié)同過(guò)濾講明白。如果你答辯時(shí)能用自己的話復(fù)述這個(gè)東西老師基本不會(huì)再刁難。2.1 基于用戶的協(xié)同過(guò)濾User-Based CF假設(shè)用戶 A 喜歡《晴天》《七里香》《夜曲》用戶 B 喜歡《晴天》《七里香》《以父之名》系統(tǒng)會(huì)認(rèn)為 A 和 B 的聽(tīng)歌口味高度相似于是把 B 聽(tīng)過(guò)的《以父之名》推給 A。這種玩法更關(guān)心“人與人之間的關(guān)系”適合社交屬性強(qiáng)、用戶量中等的場(chǎng)景。缺點(diǎn)是系統(tǒng)剛上線時(shí)用戶行為太少很難找到相似用戶也就是常說(shuō)的冷啟動(dòng)問(wèn)題。2.2 基于物品的協(xié)同過(guò)濾Item-Based CF假設(shè)你在聽(tīng)《七里香》系統(tǒng)發(fā)現(xiàn)聽(tīng)過(guò)《七里香》的人有很大概率也收藏了《簡(jiǎn)單愛(ài)》于是把《簡(jiǎn)單愛(ài)》推薦給你。它不關(guān)心你和別人像不像它關(guān)心歌曲與歌曲之間被同時(shí)消費(fèi)的關(guān)聯(lián)性更適合網(wǎng)易云音樂(lè)、QQ 音樂(lè)這類曲庫(kù)相對(duì)穩(wěn)定的產(chǎn)品。在實(shí)際項(xiàng)目中更穩(wěn)的做法是同時(shí)實(shí)現(xiàn)這兩種算法然后在 API 層留一個(gè)參數(shù)指定當(dāng)前走哪套策略。這樣不僅論文里能多寫(xiě)一個(gè)對(duì)比分析點(diǎn)答辯時(shí)也會(huì)有更多可以講的內(nèi)容。3. 環(huán)境準(zhǔn)備與前置條件下面這組環(huán)境清單按當(dāng)前主流適配情況整理。具體到某個(gè)同學(xué)的機(jī)器版本可能略有差異但這組配置基本可以穩(wěn)定跑通。依賴版本建議用途說(shuō)明Python3.10推薦算法與 Django 運(yùn)行環(huán)境Django4.x LTSWeb 后端框架djangorestframework3.14快速生成 JSON APIdjango-cors-headers4.x解決前后端分離的跨域問(wèn)題Vue CLI / ViteVue 3.x前端開(kāi)發(fā)工具鏈Node.js18前端腳手架運(yùn)行環(huán)境SQLiteDjango 內(nèi)置本地默認(rèn)數(shù)據(jù)庫(kù)如果還沒(méi)裝 Python建議先確認(rèn) Python 能正常執(zhí)行python --version pip --version然后在虛擬環(huán)境中安裝后端依賴mkdir music-recommend cd music-recommend python -m venv venv source venv/bin/activate # Windows 下執(zhí)行 venv\Scripts\activate pip install django djangorestframework django-cors-headers安裝完成后創(chuàng)建 Django 項(xiàng)目django-admin startproject config . python manage.py startapp music python manage.py startapp recommend項(xiàng)目結(jié)構(gòu)初步規(guī)劃如下music-recommend/ ├── config/ # Django 主配置 │ ├── settings.py │ └── urls.py ├── music/ # 歌曲與用戶行為模塊 │ ├── models.py │ └── views.py ├── recommend/ # 推薦算法模塊 │ ├── utils.py │ └── views.py ├── manage.py └── db.sqlite3 # 默認(rèn)數(shù)據(jù)庫(kù)文件接下來(lái)把music和recommend兩個(gè)應(yīng)用注冊(cè)到INSTALLED_APPS中。然后在全局路由里配置 API 前綴# config/urls.py from django.contrib import admin from django.urls import path, include urlpatterns [ path(admin/, admin.site.urls), path(api/music/, include(music.urls)), path(api/recommend/, include(recommend.urls)), ]這樣設(shè)計(jì)的好處是后端業(yè)務(wù)按模塊拆分推薦算法獨(dú)立成應(yīng)用。以后想替換算法只需要改業(yè)務(wù)邏輯不需要改路由配置。4. 后端模型設(shè)計(jì)用數(shù)據(jù)表描述用戶行為在音樂(lè)推薦系統(tǒng)里模型設(shè)計(jì)直接決定推薦算法的質(zhì)量。我們以“歌手Singer— 歌曲Song— 評(píng)分Rating”三張核心表為例來(lái)進(jìn)行搭建。打開(kāi)music/models.py完整代碼如下from django.db import models from django.conf import settings class Singer(models.Model): 歌手表 name models.CharField(max_length100, verbose_name歌手名稱) avatar models.URLField(blankTrue, verbose_name封面地址) description models.TextField(blankTrue, verbose_name歌手簡(jiǎn)介) class Meta: verbose_name 歌手 verbose_name_plural verbose_name def __str__(self): return self.name class Song(models.Model): 歌曲表 title models.CharField(max_length200, verbose_name歌曲名稱) singer models.ForeignKey( Singer, on_deletemodels.CASCADE, related_namesongs, verbose_name歌手 ) cover models.URLField(blankTrue, verbose_name封面地址) audio_url models.URLField(verbose_name音頻播放地址) duration models.IntegerField(default0, verbose_name時(shí)長(zhǎng)秒) play_count models.IntegerField(default0, verbose_name播放次數(shù)) publish_date models.DateField(nullTrue, blankTrue, verbose_name發(fā)行日期) class Meta: verbose_name 歌曲 verbose_name_plural verbose_name ordering [-play_count] def __str__(self): return f{self.title} - {self.singer.name} class Rating(models.Model): 用戶評(píng)分表 user models.ForeignKey( settings.AUTH_USER_MODEL, on_deletemodels.CASCADE, related_nameratings, verbose_name用戶 ) song models.ForeignKey( Song, on_deletemodels.CASCADE, related_nameratings, verbose_name歌曲 ) score models.IntegerField( default5, verbose_name評(píng)分1-5 ) created_at models.DateTimeField(auto_now_addTrue, verbose_name評(píng)分時(shí)間) class Meta: verbose_name 用戶評(píng)分 verbose_name_plural verbose_name unique_together (user, song) def __str__(self): return f{self.user.username} 評(píng) {self.song.title}{self.score}這里需要解釋幾個(gè)關(guān)鍵設(shè)計(jì)決策Rating使用unique_together (user, song)目的是避免用戶對(duì)同一首歌重復(fù)評(píng)分。如果用戶再次評(píng)分應(yīng)該走更新邏輯而不是再插入一條記錄。audio_url和cover使用 URLField前端播放器可以直接使用該地址方便后續(xù)接入實(shí)際音頻資源。每張表都定義了verbose_name這會(huì)讓 Django Admin 后臺(tái)的顯示更規(guī)范同時(shí)處理較為美觀。完成模型后執(zhí)行遷移命令python manage.py makemigrations python manage.py migrate python manage.py createsuperuser啟動(dòng)開(kāi)發(fā)服務(wù)器后登錄后臺(tái)http://127.0.0.1:8000/admin/可以錄入幾組真實(shí)數(shù)據(jù)。推薦數(shù)據(jù)條數(shù)大致為歌手 10 個(gè)左右每名歌手關(guān)聯(lián) 5-10 首歌然后注冊(cè) 3-5 個(gè)測(cè)試用戶分別對(duì)歌曲進(jìn)行評(píng)分。這些測(cè)試數(shù)據(jù)是算法展示效果的關(guān)鍵基礎(chǔ)。5. 協(xié)同過(guò)濾推薦算法的核心實(shí)現(xiàn)打開(kāi)recommend/utils.py以下代碼實(shí)現(xiàn)的邏輯屬于教學(xué)中較常用的“基于物品的協(xié)同過(guò)濾 基于用戶的協(xié)同過(guò)濾”雙策略。from math import sqrt from collections import defaultdict from music.models import Rating, Song def get_user_item_matrix(): 將評(píng)分?jǐn)?shù)據(jù)轉(zhuǎn)換為 用戶 - {歌曲ID: 評(píng)分} 的字典結(jié)構(gòu) user_item defaultdict(dict) ratings Rating.objects.all().select_related(user, song) for r in ratings: user_item[r.user_id][r.song_id] r.score return dict(user_item) def get_item_user_matrix(user_item): 轉(zhuǎn)換為 歌曲ID - {用戶ID: 評(píng)分} 的字典結(jié)構(gòu)方便計(jì)算歌曲相似度 item_user defaultdict(dict) for user_id, songs in user_item.items(): for song_id, score in songs.items(): item_user[song_id][user_id] score return dict(item_user) def cosine_similarity(vec1, vec2): 基于共同評(píng)分用戶的余弦相似度計(jì)算 common set(vec1.keys()) set(vec2.keys()) if not common: return 0.0 dot sum(vec1[u] * vec2[u] for u in common) norm1 sqrt(sum([v ** 2 for v in vec1.values()])) norm2 sqrt(sum([v ** 2 for v in vec2.values()])) if norm1 0 or norm2 0: return 0.0 return dot / (norm1 * norm2) def user_similarity_matrix(user_item): 計(jì)算用戶之間的相似度矩陣 users list(user_item.keys()) sim_matrix defaultdict(dict) for i in range(len(users)): for j in range(i 1, len(users)): sim cosine_similarity(user_item[users[i]], user_item[users[j]]) if sim 0: sim_matrix[users[i]][users[j]] sim sim_matrix[users[j]][users[i]] sim return dict(sim_matrix) def recommend_by_user_based(user_id, top_n10): 基于用戶的協(xié)同過(guò)濾推薦 user_item get_user_item_matrix() if user_id not in user_item: return [] sims user_similarity_matrix(user_item) target_user_songs user_item[user_id] score_dict defaultdict(float) # 找到與當(dāng)前用戶最相似的若干個(gè)用戶 sorted_sims sorted(sims.get(user_id, {}).items(), keylambda x: x[1], reverseTrue)[:5] for other_user_id, sim_value in sorted_sims: for song_id, score in user_item[other_user_id].items(): if song_id in target_user_songs: continue score_dict[song_id] sim_value * score ranked_songs sorted(score_dict.items(), keylambda x: x[1], reverseTrue)[:top_n] return [song_id for song_id, _ in ranked_songs] def build_item_similarity_matrix(): 預(yù)計(jì)算歌曲之間的相似度矩陣返回 歌曲A - 歌曲B - 相似度 user_item get_user_item_matrix() item_user get_item_user_matrix(user_item) item_ids list(item_user.keys()) sim_matrix defaultdict(dict) for i in range(len(item_ids)): for j in range(i 1, len(item_ids)): sim cosine_similarity(item_user[item_ids[i]], item_user[item_ids[j]]) if sim 0: sim_matrix[item_ids[i]][item_ids[j]] sim sim_matrix[item_ids[j]][item_ids[i]] sim return dict(sim_matrix) def recommend_by_item_based(user_id, top_n10): 基于物品的協(xié)同過(guò)濾推薦 user_item get_user_item_matrix() if user_id not in user_item: return [] item_sim build_item_similarity_matrix() user_history user_item[user_id] score_dict defaultdict(float) # 遍歷用戶聽(tīng)過(guò)的歌找出每首歌的相似歌曲 for listened_song_id, rating in user_history.items(): for similar_song_id, sim in item_sim.get(listened_song_id, {}).items(): if similar_song_id in user_history: continue score_dict[similar_song_id] sim * rating ranked_songs sorted(score_dict.items(), keylambda x: x[1], reverseTrue)[:top_n] return [song_id for song_id, _ in ranked_songs]代碼里需要重點(diǎn)掌握三個(gè)細(xì)節(jié)相似度計(jì)算現(xiàn)在采用的方法是先找出兩個(gè)向量里的共同元素再做余弦相似度計(jì)算。這里的“向量”可以是一個(gè)用戶在不同歌曲上的評(píng)分序列也可以是一首歌在不同用戶下的評(píng)分序列它不影響代碼復(fù)用。兩級(jí)過(guò)濾相似度矩陣計(jì)算完成之后生成候選集時(shí)會(huì)顯式跳過(guò)用戶已經(jīng)聽(tīng)過(guò)的歌這樣可以避免“推薦用戶已經(jīng)聽(tīng)過(guò)的歌”這種低體驗(yàn)的場(chǎng)景。計(jì)算時(shí)機(jī)在數(shù)據(jù)量很小的畢設(shè)場(chǎng)景里接口每次臨時(shí)計(jì)算相似度是可行的。但如果你演示時(shí)有幾百個(gè)用戶甚至更多需要在論文里寫(xiě)明“在線計(jì)算成本高”進(jìn)而選擇預(yù)先算好相似度矩陣、離線緩存相似度結(jié)構(gòu)的方法。答辯時(shí)老師很可能會(huì)順著這個(gè)問(wèn)題往下問(wèn)。6. 用 Django REST Framework 暴露推薦接口推薦算法算完后前端需要的不是一個(gè)歌曲 ID 列表而是完整的歌曲信息例如歌名、歌手、封面和音頻地址。所以接口層負(fù)責(zé)拼接數(shù)據(jù)返回。在recommend/views.py中編寫(xiě)from rest_framework.views import APIView from rest_framework.response import Response from rest_framework.permissions import IsAuthenticated from music.models import Song from music.serializers import SongSerializer from .utils import recommend_by_item_based, recommend_by_user_based class RecommendSongView(APIView): 獲取推薦歌曲列表 permission_classes [IsAuthenticated] def get(self, request): algorithm request.query_params.get(algorithm, item) user request.user if algorithm user: song_ids recommend_by_user_based(user.id, top_n10) else: song_ids recommend_by_item_based(user.id, top_n10) # 防止數(shù)據(jù)庫(kù)里還沒(méi)有評(píng)分?jǐn)?shù)據(jù)導(dǎo)致報(bào)錯(cuò) songs Song.objects.filter(id__insong_ids) if song_ids else Song.objects.none() # 保持推薦順序filter(id__in...) 不會(huì)按列表順序返回這里手動(dòng)排序 song_map {song.id: song for song in songs} ordered_songs [song_map[sid] for sid in song_ids if sid in song_map] serializer SongSerializer(ordered_songs, manyTrue, context{request: request}) return Response({ code: 0, message: success, data: serializer.data })這里需要說(shuō)明一個(gè)隱藏問(wèn)題Song.objects.filter(id__insong_ids)返回的順序和song_ids列表的順序是不一致的。為了讓前端展示順序和算法打分順序保持一致我做了一次手動(dòng)映射排序。這個(gè)細(xì)節(jié)在面試或答辯中如果主動(dòng)說(shuō)出來(lái)屬于“實(shí)戰(zhàn)經(jīng)驗(yàn)型亮點(diǎn)”。music/serializers.py中定義嵌套的歌曲序列化器from rest_framework import serializers from .models import Singer, Song, Rating class SingerSerializer(serializers.ModelSerializer): class Meta: model Singer fields [id, name, avatar, description] class SongSerializer(serializers.ModelSerializer): singer SingerSerializer(read_onlyTrue) class Meta: model Song fields [id, title, singer, cover, audio_url, duration, play_count, publish_date]然后在recommend/urls.py中配置路由from django.urls import path from .views import RecommendSongView urlpatterns [ path(songs/, RecommendSongView.as_view(), namerecommend-songs), ]同時(shí)在music/urls.py里提供歌曲列表、評(píng)分、收藏等常用接口接口。評(píng)分接口代碼如下# music/views.py from rest_framework.views import APIView from rest_framework.response import Response from rest_framework.permissions import IsAuthenticated from django.shortcuts import get_object_or_404 from .models import Song, Rating class RateSongView(APIView): 給歌曲評(píng)分重復(fù)評(píng)分則更新分?jǐn)?shù) permission_classes [IsAuthenticated] def post(self, request): song_id request.data.get(song_id) score request.data.get(score, 5) try: score int(score) if score 1 or score 5: raise ValueError except (TypeError, ValueError): return Response({code: 400, message: 評(píng)分需為 1-5 的整數(shù)}) song get_object_or_404(Song, idsong_id) rating, created Rating.objects.update_or_create( userrequest.user, songsong, defaults{score: score} ) return Response({ code: 0, message: 評(píng)分成功 if created else 評(píng)分已更新, data: {rating_id: rating.id, score: rating.score} })上述代碼用到了 Django ORM 中非常實(shí)用的一招update_or_create。它把“有則更新、無(wú)則新建”的邏輯壓縮成了一行代碼避免先f(wàn)ilter().exists()再update()的繁瑣寫(xiě)法。7. Vue 前端把推薦結(jié)果變成可交互頁(yè)面前端采用 Vue 3 Axios 開(kāi)發(fā)。這里不展開(kāi)腳手架創(chuàng)建細(xì)節(jié)核心思路是頁(yè)面加載時(shí)向后端推薦接口發(fā)起請(qǐng)求拿到data后渲染到“推薦歌曲”列表中。template div classcontainer h2猜你喜歡/h2 div classtoolbar button clickloadRecommend(item) :class{ active: algorithm item }相似歌曲推薦/button button clickloadRecommend(user) :class{ active: algorithm user }相似用戶推薦/button /div div v-ifloading classloading推薦加載中.../div div v-else classsong-list div classsong-card v-forsong in songs :keysong.id img :srcsong.cover || defaultCover alt封面 classcover / div classinfo div classtitle{{ song.title }}/div div classsinger{{ song.singer.name }}/div audio :srcsong.audio_url controls/audio /div /div /div p v-if!loading songs.length 0 classempty 暫無(wú)推薦結(jié)果請(qǐng)先給幾首歌曲打分 /p /div /template script import axios from axios; export default { name: RecommendList, data() { return { songs: [], loading: false, algorithm: item, defaultCover: https://via.placeholder.com/100, }; }, methods: { async loadRecommend(algorithm) { this.algorithm algorithm; this.loading true; try { const response await axios.get(/api/recommend/songs/, { params: { algorithm }, headers: { Authorization: Bearer ${localStorage.getItem(token)} }, }); this.songs response.data.data; } catch (error) { console.error(加載推薦失敗, error); this.songs []; } finally { this.loading false; } }, }, mounted() { this.loadRecommend(item); }, }; /script style scoped .container { max-width: 900px; margin: 0 auto; padding: 20px; } .toolbar { margin-bottom: 20px; } .toolbar button { margin-right: 10px; padding: 8px 16px; border: 1px solid #ddd; border-radius: 4px; background: #fff; cursor: pointer; } .toolbar button.active { background: #409eff; color: #fff; border-color: #409eff; } .song-card { display: flex; align-items: center; background: #f9f9f9; border-radius: 8px; padding: 12px; margin-bottom: 12px; } .cover { width: 80px; height: 80px; border-radius: 8px; margin-right: 16px; object-fit: cover; } .info { flex: 1; } .title { font-size: 18px; font-weight: bold; } .singer { color: #888; margin: 4px 0 8px; } audio { width: 100%; } .empty { text-align: center; color: #999; padding: 40px 0; } /style這個(gè)組件里隱藏了一個(gè)工程化問(wèn)題開(kāi)發(fā)環(huán)境里 Vue 頁(yè)面通過(guò) Axios 請(qǐng)求 Django 后端涉及“跨域”問(wèn)題。為了順利聯(lián)調(diào)需要在 Django 的settings.py中增加INSTALLED_APPS [ # ... corsheaders, ] MIDDLEWARE [ corsheaders.middleware.CorsMiddleware, # ... ] CORS_ALLOW_ALL_ORIGINS True生產(chǎn)環(huán)境不允許CORS_ALLOW_ALL_ORIGINS True這種做法只適合本地開(kāi)發(fā)驗(yàn)證。更穩(wěn)妥的做法是配置具體的前端域名白名單例如CORS_ALLOWED_ORIGINS [ http://localhost:5173, http://127.0.0.1:5173, ]8. 運(yùn)行驗(yàn)證與觀察推薦效果完成以上步驟后按順序做一輪全鏈路驗(yàn)證。8.1 準(zhǔn)備測(cè)試數(shù)據(jù)通過(guò) Django Admin 或命令行錄入測(cè)試數(shù)據(jù)這里給出三條模擬評(píng)分?jǐn)?shù)據(jù)。用 shell 代碼添加測(cè)試用戶并評(píng)分python manage.py shellfrom django.contrib.auth.models import User from music.models import Singer, Song, Rating singer Singer.objects.create(name某知名歌手) song1 Song.objects.create(title歌曲A, singersinger, audio_urlhttps://example.com/a.mp3) song2 Song.objects.create(title歌曲B, singersinger, audio_urlhttps://example.com/b.mp3) song3 Song.objects.create(title歌曲C, singersinger, audio_urlhttps://example.com/c.mp3) u1, _ User.objects.get_or_create(usernameu1, passwordpbkdf2_sha256$) u2, _ User.objects.get_or_create(usernameu2, passwordpbkdf2_sha256$) Rating.objects.create(useru1, songsong1, score5) Rating.objects.create(useru1, songsong2, score4) Rating.objects.create(useru2, songsong1, score5) Rating.objects.create(useru2, songsong3, score3)執(zhí)行完成后退出 shell。注意上面的password只是占位在實(shí)際登錄驗(yàn)證時(shí)需要對(duì)這些測(cè)試用戶設(shè)置真實(shí)密碼u1.set_password(123456) u1.save() u2.set_password(123456) u2.save()8.2 通過(guò)接口驗(yàn)證推薦結(jié)果啟動(dòng) Djangopython manage.py runserver使用 Token 或 JWT 獲取用戶身份后請(qǐng)求curl -H Authorization: Bearer token \ http://127.0.0.1:8000/api/recommend/songs/?algorithmitem預(yù)期返回的 JSON 結(jié)構(gòu)如下{ code: 0, message: success, data: [ { id: 3, title: 歌曲C, singer: { id: 1, name: 某知名歌手 }, audio_url: https://example.com/c.mp3, play_count: 0 } ] }8.3 怎么判斷推薦是否正常不要只看“有沒(méi)有返回?cái)?shù)據(jù)”要檢查以下三個(gè)維度推薦列表里是否排除了用戶已評(píng)分的歌曲用戶 A 和用戶 B 的歷史行為不同調(diào)換用戶身份請(qǐng)求接口時(shí)推薦結(jié)果是否存在差異把測(cè)試用戶歷史行為修改為完全離群數(shù)據(jù)后推薦結(jié)果是否隨之改變。如果兩組不同用戶的推薦結(jié)果完全相同大概率是評(píng)分矩陣沒(méi)有按用戶區(qū)分需要回查get_user_item_matrix()里r.user_id取到的是不是同一個(gè)用戶。9. 常見(jiàn)問(wèn)題與排查思路做這類系統(tǒng)的過(guò)程中大家容易遇到的問(wèn)題我做了一個(gè)總結(jié)式的清單。它本身也是論文“系統(tǒng)測(cè)試與問(wèn)題分析”章節(jié)的直接素材。問(wèn)題現(xiàn)象可能原因排查方式解決方案推薦接口報(bào) 401前端請(qǐng)求頭沒(méi)有攜帶 Token打開(kāi)瀏覽器 Network 面板查看 Authorization 字段在 Axios 攔截器中統(tǒng)一注入 Token推薦結(jié)果為空當(dāng)前用戶沒(méi)有任何評(píng)分行為調(diào)接口前檢查數(shù)據(jù)庫(kù)中 Rating 表無(wú)行為數(shù)據(jù)時(shí)返回?zé)衢T(mén)歌曲兜底而不是返回空列表推薦列表順序與打分不一致filter(id__in...)不保證順序打印song_ids列表與接口返回列表對(duì)比建立id - Song映射后手動(dòng)排序用戶相似度全是 0兩個(gè)用戶沒(méi)有共同評(píng)分過(guò)的歌曲檢查余弦相似度函數(shù)中共同元素集合是否為空補(bǔ)充測(cè)試用戶之間的共同評(píng)分記錄接口請(qǐng)求跨域前后端端口不同查看瀏覽器 Console 的 CORS 錯(cuò)誤配置django-cors-headers并在白名單里添加前端地址item 推薦與 user 推薦結(jié)果相同用戶相似度矩陣或物品相似度矩陣存在退化打印矩陣查看相似度較大值是否集中在少數(shù)歌曲上增加差異化數(shù)據(jù)檢查是否誤傳入同一張矩陣用戶重復(fù)評(píng)分的記錄出現(xiàn)多條沒(méi)有為user song建唯一約束查看 Django Admin 的 Rating 記錄在 Meta 中添加unique_together使用update_or_create保證冪等新用戶登錄后沒(méi)有推薦冷啟動(dòng)問(wèn)題檢查該用戶是否產(chǎn)生過(guò)行為記錄冷啟動(dòng)階段用“熱門(mén)歌曲榜”做替代推薦方案音頻地址無(wú)法播放在線音頻資源本身跨域或失效用瀏覽器直接打開(kāi)audio_url測(cè)試替換為可公開(kāi)訪問(wèn)的音頻直鏈或在前端配置代理算法返回極慢在線計(jì)算所有相似度未做緩存統(tǒng)計(jì)接口耗時(shí)時(shí)長(zhǎng)離線預(yù)計(jì)算相似度矩陣并緩存到文件或數(shù)據(jù)庫(kù)9.1 冷啟動(dòng)怎么在代碼頭解決“冷啟動(dòng)”是答辯時(shí)老師最常問(wèn)的問(wèn)題之一。實(shí)際產(chǎn)品中面對(duì)新用戶沒(méi)有行為數(shù)據(jù)推薦系統(tǒng)無(wú)法建模。畢設(shè) Demo 可以采用常見(jiàn)工程解法新用戶注冊(cè)后默認(rèn)展示全站播放量最高的 Top 10 歌曲作為熱門(mén)推薦只有在用戶產(chǎn)生足夠評(píng)分之后系統(tǒng)才啟用協(xié)同過(guò)濾推薦在接口層的判斷邏輯為先檢查用戶是否存在評(píng)分記錄不存在則走熱門(mén)兜底邏輯。這樣不存在“推薦結(jié)果為空”的問(wèn)題可以直接跨過(guò)數(shù)據(jù)不足帶來(lái)的體驗(yàn)尷尬。熱門(mén)兜底的推薦接口可簡(jiǎn)單實(shí)現(xiàn)為from music.models import Song from music.serializers import SongSerializer def recommend_hot_songs(top_n10): 冷啟動(dòng)階段沒(méi)有行為數(shù)據(jù)時(shí)返回全站熱門(mén) songs Song.objects.order_by(-play_count)[:top_n] return songs9.2 “評(píng)分預(yù)測(cè)”和“TopN 推薦”有什么區(qū)別很多教材會(huì)把協(xié)同過(guò)濾分成兩個(gè)問(wèn)題方向評(píng)分預(yù)測(cè)目標(biāo)是預(yù)測(cè)用戶會(huì)給某首歌打幾分常用評(píng)估指標(biāo)是 RMSE、MAETopN 推薦目標(biāo)是生成一個(gè)用戶可能喜歡的歌曲列表常用評(píng)估指標(biāo)是準(zhǔn)確率、召回率。本系統(tǒng)采用的方式是 TopN 推薦因此返回結(jié)果的接口設(shè)計(jì)用列表形式呈現(xiàn)推薦候選歌曲。很多同學(xué)在論文里把這兩類問(wèn)題混著寫(xiě)導(dǎo)致“問(wèn)題定義不清”直接被導(dǎo)師打回。建議在第 4 章就明確寫(xiě)下這一段本系統(tǒng)完成的是 TopN 推薦因此評(píng)估指標(biāo)不采用 RMSE而是重點(diǎn)分析推薦結(jié)果是否貼合用戶興趣。10. 最佳實(shí)踐與工程建議如果你的目標(biāo)不只是一份“能跑過(guò)的代碼”而是希望導(dǎo)師覺(jué)得你具備工程能力和安全規(guī)范可以把下面的建議內(nèi)化進(jìn)代碼與文檔中。10.1 算法層相似度矩陣“離線計(jì)算在線讀取”項(xiàng)目數(shù)據(jù)量較小時(shí)接口內(nèi)實(shí)時(shí)計(jì)算相似度完全沒(méi)問(wèn)題。但如果是答辯現(xiàn)場(chǎng)演示點(diǎn)擊一次推薦按鈕要卡住三四秒體驗(yàn)會(huì)很糟糕。更規(guī)范的做法是寫(xiě)一個(gè)manage.pycommand 或定時(shí)任務(wù)每隔一段時(shí)間預(yù)計(jì)算一次相似度矩陣把矩陣結(jié)果緩存進(jìn)數(shù)據(jù)庫(kù)或內(nèi)存例如使用 JSON 字段或 Redis用戶請(qǐng)求時(shí)直接讀取緩存好的相似度矩陣只對(duì)當(dāng)前用戶執(zhí)行打分求和 TopN 排序。這樣可大幅優(yōu)化響應(yīng)時(shí)間。在論文系統(tǒng)設(shè)計(jì)部分你可以給出這樣的說(shuō)明“系統(tǒng)采用離線計(jì)算、在線推薦的服務(wù)架構(gòu)”。老師聽(tīng)了會(huì)覺(jué)得你有生產(chǎn)環(huán)境意識(shí)。10.2 冷啟動(dòng)與數(shù)據(jù)稀疏問(wèn)題要寫(xiě)進(jìn)論文更完整的協(xié)同過(guò)濾畢設(shè)都需要回應(yīng)“數(shù)據(jù)稀疏”的經(jīng)典質(zhì)疑。你的論文里最好有一小節(jié)專門(mén)說(shuō)明當(dāng)用戶-歌曲評(píng)分矩陣非常稀疏時(shí)基于共同評(píng)分的余弦相似度可能不準(zhǔn)確當(dāng)前系統(tǒng)使用了“熱門(mén)歌曲兜底”策略保證數(shù)據(jù)不足時(shí)也能返回可用推薦未來(lái)改進(jìn)方向可以加入基于內(nèi)容特征的 Bandit 策略或 Embedding 化召回。10.3 數(shù)據(jù)與代碼安全既然是系統(tǒng)開(kāi)發(fā)建議遵循與實(shí)際工業(yè)一致的部署意識(shí)使用 Djangocreatesuperuser錄入的測(cè)試密碼不要在代碼中明文保存管理員口令。生成接口返回歌曲詳情時(shí)只返回與前端展示有關(guān)的字段涉及內(nèi)部狀態(tài)字段的處理建議單獨(dú)設(shè)計(jì)。批量寫(xiě)測(cè)試數(shù)據(jù)時(shí)先備份好原始數(shù)據(jù)再執(zhí)行 Django 的 shell 腳本。推薦接口需要登錄態(tài)驗(yàn)證不推薦將接口完全公開(kāi)。10.4 前后端分離配置建議如果你的前端使用的是 Vite 開(kāi)發(fā)服務(wù)器Proxy 方式比跨域更自然。在vite.config.js中增加export default { server: { proxy: { /api: { target: http://127.0.0.1:8000, changeOrigin: true, }, }, }, };配置好代理之后前端代碼里的請(qǐng)求地址可以統(tǒng)一寫(xiě)成相對(duì)路徑/api/xxx不需要在多個(gè)組件里硬編碼完整域名。10.5 包管理和版本鎖定畢設(shè)提交時(shí)建議統(tǒng)一鎖定版本避免換一臺(tái)電腦跑不起來(lái)?？墒褂胮ip freeze requirements.txt提交的代碼包里保留requirements.txt并附上版本說(shuō)明。11. 總結(jié)與后續(xù)學(xué)習(xí)方向至此你已經(jīng)有能力完整地搭建一個(gè)前后端分離的音樂(lè)推薦系統(tǒng)使用 Django 描述了歌手、歌曲和用戶評(píng)分三類核心數(shù)據(jù)基于用戶評(píng)分矩陣實(shí)現(xiàn)了基于物品與基于用戶兩種協(xié)同過(guò)濾算法通過(guò) Django REST Framework 把推薦結(jié)果轉(zhuǎn)換成 JSON 接口用 Vue 制作了一個(gè)“猜你喜歡”頁(yè)面并能切換兩套算法查看效果梳理了冷啟動(dòng)、相似度計(jì)算、接口順序等問(wèn)題并給出排查方法。如果這個(gè)項(xiàng)目用作畢業(yè)設(shè)計(jì)接下來(lái)的優(yōu)化方向我建議按你論文的定位來(lái)從算法對(duì)比角度切入的同學(xué)可以增加評(píng)價(jià)指標(biāo)比如把推薦集合與用戶真實(shí)喜好進(jìn)行比對(duì)從系統(tǒng)實(shí)現(xiàn)角度切入的同學(xué)可以把評(píng)分矩陣的構(gòu)造做成動(dòng)態(tài)采集并把播放行為變成可量化的隱式反饋對(duì)前端展示有追求的同學(xué)可以在列表里加入收藏、歌詞滾動(dòng)、播放歷史形成更完整的用戶閉環(huán)。整理代碼和文檔時(shí)建議專門(mén)把“推薦算法如何從模型設(shè)計(jì)一路走到前端展示”這條主線寫(xiě)清楚。畢設(shè)答辯最看重的是主線清晰所有模塊最好都能像鏈條一樣銜接自然。代碼跑通后再回頭給自己的軟件配上一份可復(fù)現(xiàn)的操作說(shuō)明這份工作對(duì)未來(lái)的項(xiàng)目復(fù)盤(pán)和改進(jìn)都會(huì)有明顯幫助。