簡介一套基于協(xié)同過濾推薦算法的電影推薦系統(tǒng)完整源碼與數(shù)據(jù)庫采用Python及Django框架開發(fā)面向計算機、通信、人工智能、自動化等相關(guān)專業(yè)學生與從業(yè)者適用于畢業(yè)設計、課程設計或期末大作業(yè)也可作為算法學習與二次開發(fā)的基礎工程。壓縮包共包含726個文件主要以Python源碼.py、Vue組件.vue、JavaScript腳本.js、HTML頁面、CSS樣式及SQL數(shù)據(jù)庫腳本為載體同時附帶大量SVG、PNG、GIF等前端圖像資源和字體文件整體大小約19.55MB目錄結(jié)構(gòu)完整便于按模塊查閱與復用。該項目已有223人學習瀏覽代碼經(jīng)過調(diào)試測試可穩(wěn)定運行。資源涵蓋用戶登錄、電影展示、評分與推薦等核心功能并提供了數(shù)據(jù)庫初始化腳本、前端頁面及后臺邏輯的完整實現(xiàn)能夠直觀呈現(xiàn)協(xié)同過濾算法從數(shù)據(jù)處理到推薦生成的流程熟練者可據(jù)此調(diào)整推薦策略、優(yōu)化界面或擴展功能從而快速搭建屬于自己的推薦系統(tǒng)實驗環(huán)境。1. 協(xié)同過濾電影推薦系統(tǒng)一個能跑通全流程的畢設源碼如果你正在為畢業(yè)設計或課程設計找推薦系統(tǒng)方向的參考實現(xiàn)大概率會遇到兩類東西要么是只講算法原理的教程要么是只給代碼片段沒有閉環(huán)的倉庫。這份基于 Python 的協(xié)同過濾電影推薦系統(tǒng)源碼屬于第三種——帶數(shù)據(jù)庫、帶前端頁面、帶一鍵部署腳本的完整項目從 Django 后端到 Vue 前端組件都有代碼調(diào)試過、能直接運行。它在設計上把協(xié)同過濾推薦算法落到了真實業(yè)務鏈路里用戶注冊登錄、瀏覽電影、提交評分、系統(tǒng)基于評分數(shù)據(jù)生成推薦列表。對計算機、人工智能相關(guān)專業(yè)的學生來說它既是畢業(yè)設計的骨架也是理解推薦系統(tǒng)落地流程的現(xiàn)成樣本。下面我按從原理到部署的順序把這份源碼拆開講清楚。2. 推薦引擎核心UserCF 與 ItemCF 的原理和代碼落點2.1 協(xié)同過濾的兩種思路先搞清楚項目用的是哪一種協(xié)同過濾推薦算法最核心的假設是相似的人會有相似的喜好相似的商品會被相似的人喜歡。前者叫基于用戶的協(xié)同過濾UserCF后者叫基于物品的協(xié)同過濾ItemCF。UserCF 的思路是找到和你口味最接近的一批用戶把他們喜歡而你沒看過的電影推薦給你ItemCF 則是先找到你高分評價電影的相似電影再推薦給你。兩種算法的計算流程都可以拆成三步構(gòu)建用戶-物品評分矩陣、計算相似度、生成 Top-N 推薦列表。我翻了這份源碼的算法模塊里面同時實現(xiàn)了 UserCF 和 ItemCF 兩套邏輯默認跑的是 ItemCF。為什么因為電影場景下物品電影數(shù)量通常遠小于用戶數(shù)量ItemCF 的相似度矩陣可以在離線階段算好存下來在線推薦時只需要查表聚合響應速度快而且推薦結(jié)果的可解釋性強——你能直接告訴用戶“因為你給《盜夢空間》打了高分所以推薦《星際穿越》”。這在畢業(yè)設計答辯時特別占便宜評委問“為什么推薦這部電影”你能給出明確依據(jù)。2.2 相似度計算的代碼實現(xiàn)與參數(shù)說明先看相似度計算的核心代碼。源碼里的similarity.py模塊實現(xiàn)了余弦相似度計算這是協(xié)同過濾最常用的相似度度量方式import numpy as np from sklearn.metrics.pairwise import cosine_similarity def build_item_similarity_matrix(ratings_matrix): 構(gòu)建物品-物品相似度矩陣 :param ratings_matrix: 用戶-物品評分矩陣shape(n_users, n_items) :return: 物品相似度矩陣shape(n_items, n_items) # 對評分矩陣做中心化處理減去每個用戶的平均評分 # 目的是消除用戶打分尺度不一致的問題有人喜歡打4分有人喜歡打2分 mean_ratings np.mean(ratings_matrix, axis1, keepdimsTrue) centered_matrix ratings_matrix - mean_ratings # 將NaN用戶未評分的電影填充為0避免計算時傳播缺失值 centered_matrix np.nan_to_num(centered_matrix) # 計算物品間的余弦相似度 # cosine_similarity的輸入是物品向量矩陣轉(zhuǎn)置后每個行向量代表一部電影 item_sim_matrix cosine_similarity(centered_matrix.T) # 把相似度限制在[0, 1]區(qū)間負值直接置0減少噪聲 item_sim_matrix[item_sim_matrix 0] 0 return item_sim_matrix這里關(guān)鍵是先做中心化再做余弦相似度。如果不做中心化兩個用戶都給所有電影打高分他們的評分向量在數(shù)值上很接近會被判定為相似用戶但實際上只是打分習慣接近不代表口味一致。中心化之后每個人的評分都變成了“相對自己平均水平的偏差”這時候算出來的相似度才真正反映口味重合度。源碼里把負相似度直接置 0 的做法也很實用——現(xiàn)實中負相關(guān)的物品對喜歡 A 的人一定討厭 B很少強制歸零可以避免推薦結(jié)果被反向信號干擾這在電影推薦場景下是合理的簡化。如果你要做音樂或新聞推薦負相關(guān)信號反而重要到時候可以去掉這個限制。2.3 評分預測與 Top-N 推薦生成相似度矩陣算完之后就該生成推薦列表了。這部分邏輯在recommend.py里核心是加權(quán)求和預測用戶對未看過電影的評分def predict_rating(user_id, item_id, ratings_matrix, item_sim_matrix, k20): 預測用戶對某部電影的評分 :param user_id: 目標用戶ID :param item_id: 目標電影ID :param ratings_matrix: 用戶-物品評分矩陣 :param item_sim_matrix: 物品相似度矩陣 :param k: 只取最相似的K部電影參與預測K值越大計算越慢但覆蓋更全 :return: 預測評分值 # 找到用戶已經(jīng)評過分的所有電影 user_rated_items np.where(~np.isnan(ratings_matrix[user_id]))[0] if len(user_rated_items) 0: return 0 # 取與目標物品最相似的K部電影且用戶評過分 sim_scores [] for rated_item in user_rated_items: sim item_sim_matrix[item_id, rated_item] if sim 0: sim_scores.append((rated_item, sim)) # 按相似度排序取前K個 sim_scores.sort(keylambda x: x[1], reverseTrue) sim_scores sim_scores[:k] if len(sim_scores) 0: return 0 # 加權(quán)求和預測分 Σ(相似度 * 評分) / Σ(相似度) numerator sum(sim * ratings_matrix[user_id, item] for item, sim in sim_scores) denominator sum(sim for _, sim in sim_scores) return numerator / denominator if denominator 0 else 0這個預測公式就是 ItemCF 的標準做法用戶對目標電影的預測分等于用戶對已評分電影的評分按它們與目標電影的相似度加權(quán)平均。K 值默認給 20這個參數(shù)影響挺大——K 太小參考信息不足預測分波動大K 太大會把相似度很低的電影也拉進來稀釋預測精度。實際調(diào)參時我一般會試 10、20、50 三檔對比推薦結(jié)果的質(zhì)量再定。注意代碼里有個細節(jié)預測時只遍歷用戶已經(jīng)評過分的電影這個遍歷范圍會隨著評分數(shù)據(jù)量增大而變大如果數(shù)據(jù)量上了幾十萬條建議先按相似度閾值過濾一輪只保留相似度大于 0.1 的物品對能省不少計算時間。下面這張表總結(jié)了兩種協(xié)同過濾在電影場景下的對比方便你答辯時講清楚選型依據(jù)對比維度UserCF基于用戶ItemCF基于物品適用場景新聞、短視頻等物品更新快的場景電影、電商等物品相對穩(wěn)定的場景冷啟動表現(xiàn)新物品無評分時永遠無法被推薦同樣無法推薦但新用戶能靠相似物品快速出結(jié)果可解釋性弱需要說明“相似用戶”是誰強能直接說是“相似的電影”離線計算量用戶數(shù)大時矩陣爆炸物品數(shù)通常遠小于用戶數(shù)更可控本項目配置已實現(xiàn)默認未啟用默認啟用推薦接口走的是這條鏈路3. 從源碼到可運行系統(tǒng)環(huán)境部署與數(shù)據(jù)庫初始化3.1 三個批處理腳本各管哪一段這份源碼里帶了1-install.bat、2-run.bat、3-build.bat三個批處理腳本很多第一次拿到這套源碼的人會直接雙擊結(jié)果1-install.bat跑完報錯。先別急著罵源碼有問題這三個腳本的分工是有講究的1-install.bat負責安裝 Python 依賴并初始化數(shù)據(jù)庫3-build.bat負責構(gòu)建前端靜態(tài)資源2-run.bat才是啟動系統(tǒng)的入口。正常順序是 1 → 3 → 2但我實際跑的時候發(fā)現(xiàn)可以直接跳過3-build.bat——源碼的app.b7a3d93e.css說明前端已經(jīng)構(gòu)建過一輪靜態(tài)資源目錄里產(chǎn)物是齊全的跳過構(gòu)建不影響運行。1-install.bat的內(nèi)容一般是這樣的echo off REM 創(chuàng)建虛擬環(huán)境避免污染全局Python環(huán)境 python -m venv venv REM 激活虛擬環(huán)境Windows下call是關(guān)鍵直接寫venv\Scripts\activate會中斷腳本 call venv\Scripts\activate REM 安裝后端依賴requirements.txt里包含了django、numpy、pandas等 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple REM 執(zhí)行數(shù)據(jù)庫遷移生成django內(nèi)置表 python manage.py makemigrations python manage.py migrate REM 導入初始數(shù)據(jù)電影信息、用戶信息、評分數(shù)據(jù) python manage.py loaddata initial_data.json pause這里有幾個關(guān)鍵點。第一用了-i參數(shù)指定清華鏡像源說明作者自己裝依賴時也被默認源卡過國內(nèi)網(wǎng)絡環(huán)境下不換源pandas和numpy這種大包下載速度很感人。第二makemigrations和migrate是 Django 的標準數(shù)據(jù)庫初始化流程前者生成遷移文件后者執(zhí)行遷移建表。第三loaddata命令把初始數(shù)據(jù)導入數(shù)據(jù)庫這就是摘要里說的“數(shù)據(jù)庫”部分——.json是 Django 的 fixture 格式里面打包了電影和評分的種子數(shù)據(jù)。如果你在1-install.bat里沒看到loaddata這一步那就需要手動把項目根目錄的.sql文件導入 MySQL下文會講。3.2 數(shù)據(jù)庫配置與表結(jié)構(gòu)設計如果你選擇手動導入數(shù)據(jù)庫先打開settings.py找到數(shù)據(jù)庫配置塊DATABASES { default: { ENGINE: django.db.backends.mysql, NAME: movie_recsys, USER: root, PASSWORD: 123456, HOST: 127.0.0.1, PORT: 3306, OPTIONS: { charset: utf8mb4, }, } }utf8mb4這個字符集配置很重要。MySQL 的默認utf8只支持 3 字節(jié)編碼像生僻字、部分 Emoji 符號會直接報錯或亂碼utf8mb4是完整的 4 字節(jié) UTF-8 實現(xiàn)電影簡介和評論里偶爾會出現(xiàn)特殊字符用它能少踩很多坑。數(shù)據(jù)庫名是movie_recsys你需要提前在 MySQL 里建好這個庫再運行系統(tǒng)。這套數(shù)據(jù)庫設計是推薦系統(tǒng)課程設計級別的標準四表結(jié)構(gòu)。用戶表存用戶基本信息和注冊時間電影表存標題、類型、上映年份、封面圖 URL 和簡介評分表是核心——它記錄 user_id、movie_id 和 rating 三要素是協(xié)同過濾算法唯一的輸入數(shù)據(jù)源推薦結(jié)果表則是算法跑完之后落庫的結(jié)果。評分表是算法能工作的前提你打開數(shù)據(jù)庫后第一步應該是檢查這個表的數(shù)據(jù)量如果一張空表都沒有填充推薦接口返回的結(jié)果必然為空。3.3 一鍵啟動后如何驗證系統(tǒng)是否正常依賴裝完、數(shù)據(jù)庫配置好之后運行2-run.batpython manage.py runserver 0.0.0.0:8000綁定0.0.0.0而不是默認的127.0.0.1這樣同一個局域網(wǎng)內(nèi)的其他機器也能訪問方便你在畢業(yè)設計演示時用另一臺電腦或手機打開頁面。啟動成功后瀏覽器訪問http://localhost:8000看到登錄頁面說明后端沒問題。先用源碼里自帶的測試賬號登錄進去之后找到“推薦”菜單正常情況下列表里會有電影推薦內(nèi)容。如果推薦列表是空的去數(shù)據(jù)庫里執(zhí)行一條 SQL 檢查評分表有沒有數(shù)據(jù)SELECT COUNT(*) FROM ratings;我拿到這套源碼第一次跑通后干的第一件事就是把評分表的數(shù)據(jù)量摸了一遍。這個數(shù)字直接決定了推薦效果的上限——只有幾十條評分記錄任何協(xié)同過濾算法都推不出一部合理的電影。4. 頁面與數(shù)據(jù)流從 Vue 組件到 Django 接口推薦結(jié)果怎么跑通4.1 前端組件結(jié)構(gòu)與登錄鑒權(quán)邏輯前端文件里的IndexMain.vue.bak、IndexAsideStatic.vue.bak、BreadCrumbs.vue.bak、IndexHeader.vue.bak是典型的管理后臺布局左側(cè)菜單欄、頂部導航欄、面包屑導航和主內(nèi)容區(qū)。.bak后綴在 Vue 項目里其實是備份文件的標志而不是源碼文件說明壓縮這個資源的人保留了修改前的版本方便你做對比。如果你要二次開發(fā)這套布局可以直接參考甚至能把這套結(jié)構(gòu)改造成其他管理系統(tǒng)菜單和路由配置是通用的。login接口的邏輯在 Django 后端核心代碼大致是這樣的def login(request): if request.method POST: data json.loads(request.body) username data.get(username) password data.get(password) user User.objects.filter(usernameusername, passwordpassword).first() if user: # 生成登錄令牌并寫入session request.session[user_id] user.id request.session[username] user.username # 同步把用戶信息寫到推薦系統(tǒng)上下文后續(xù)推薦接口才能定位到“給誰推薦” set_recommend_context(user.id) return JsonResponse({code: 0, msg: 登錄成功}) return JsonResponse({code: 1, msg: 用戶名或密碼錯誤})這段代碼暴露了一個需要留意的點密碼是明文存儲和比較的。生產(chǎn)環(huán)境必須用 Django 自帶的make_password和check_password做哈希校驗但作為課程設計明文邏輯反而直觀答辯時方便講清楚認證鏈路。如果你要拿這套源碼基礎上做改進把密碼改成哈希校驗是第一件該做的事花費不到半小時卻能讓你在答辯時多一個“我考慮了安全性”的加分項。4.2 評分行為如何實時影響推薦結(jié)果整套系統(tǒng)的數(shù)據(jù)流是閉環(huán)的用戶在前端點“評分”按鈕前端通過 AJAX 把評分 POST 到后端后端把記錄寫入數(shù)據(jù)庫同時觸發(fā)推薦算法重新計算。這個過程我在源碼的views.py里看到了對應的接口def rate_movie(request): if request.method POST: user_id request.session.get(user_id) movie_id request.POST.get(movie_id) rating request.POST.get(rating) # 插入或更新評分記錄同一用戶對同一部電影多次評分以最后一次為準 Rating.objects.update_or_create( user_iduser_id, movie_idmovie_id, defaults{rating: rating} ) # 觸發(fā)推薦結(jié)果更新刪除該用戶舊推薦重新生成Top-N列表 Recommendation.objects.filter(user_iduser_id).delete() generate_recommendations(user_id, top_n10) return JsonResponse({code: 0, msg: 評分成功推薦已更新})評分寫入后同步重算推薦結(jié)果這個處理對課程設計是夠的但它存在性能隱患。當用戶量和評分量大了以后每次評分都全量重算會嚴重拖慢接口響應。更好的做法是把重算改成異步任務——評分先入庫推薦列表標記為“過期”后臺定時任務批量刷新所有過期用戶的推薦。源碼里用同步方式是為了簡化鏈路方便你在答辯時畫出完整數(shù)據(jù)流圖。我給你的建議是答辯時先按源碼的同步邏輯講清楚“評分后推薦立即變化”再補一句“生產(chǎn)環(huán)境可以引入 Celery 將這部分改成異步”這就能展現(xiàn)出你對性能邊界的理解。4.3 用戶-物品評分矩陣的構(gòu)建細節(jié)推薦系統(tǒng)能工作前提是把數(shù)據(jù)庫里的評分記錄轉(zhuǎn)換成算法能處理的矩陣。這部分代碼通常在recommend.py里我從源碼里摘出了關(guān)鍵邏輯def build_ratings_matrix(user_idNone): 從數(shù)據(jù)庫加載評分數(shù)據(jù)構(gòu)建用戶-物品評分矩陣 :param user_id: 如果指定只構(gòu)建該用戶的評分向量用于實時預測 :return: pandas DataFrame行用戶列電影 ratings Rating.objects.all().values(user_id, movie_id, rating) df pd.DataFrame(list(ratings)) # 透視表行是用戶列是電影值是評分 # 沒有評分的位是NaN參與計算時用0填充 matrix df.pivot_table( indexuser_id, columnsmovie_id, valuesrating ) if user_id: # 單用戶預測場景取該用戶的行 return matrix.loc[user_id].values.reshape(1, -1) return matrix.values這段代碼用pivot_table完成了從關(guān)系表到矩陣的轉(zhuǎn)換。注意沒有評分的位置是 NaN上一節(jié)相似度計算代碼里np.nan_to_num處理的就是這些空洞。實際使用中矩陣很稀疏大部分用戶只看過幾十部電影而電影庫有幾萬部所以矩陣的稀疏度往往在 99% 以上。這也是為什么不能直接用原始矩陣做相似度計算——內(nèi)存會先撐不住5000 個用戶 × 10000 部電影就算用 float32 存儲也要 200MB。如果你要在大數(shù)據(jù)集上跑應該用scipy.sparse的稀疏矩陣格式代替這里的稠密矩陣或者使用surprise庫的Dataset.load_from_df接口直接加載原始三元組。5. 部署與排錯避坑四個常見問題與排查手段5.1 評分表為空導致推薦結(jié)果全空現(xiàn)象系統(tǒng)能登錄、能瀏覽電影但推薦頁面沒有任何內(nèi)容后端日志也沒有報錯。原因我最初拿到這套源碼時直接跑了2-run.bat沒仔細看1-install.bat的執(zhí)行日志結(jié)果進入系統(tǒng)后推薦列表全是空的。排查了半天才發(fā)現(xiàn)數(shù)據(jù)庫里的ratings表壓根沒有數(shù)據(jù)協(xié)同過濾算法沒有輸入自然沒有輸出。解決先檢查數(shù)據(jù)庫初始化是否完成執(zhí)行SELECT COUNT(*) FROM ratings;看數(shù)據(jù)量如果表是空的回到第 3 章說的loaddata步驟把初始評分數(shù)據(jù)導入。還有一個更快的驗證方法打開“電影列表”頁面隨便給幾部電影打分再回到推薦頁面刷新如果有推薦內(nèi)容了說明算法鏈路沒問題只是初始數(shù)據(jù)缺失。5.2 數(shù)據(jù)庫中文亂碼的根源在字符集現(xiàn)象電影標題和簡介顯示成亂碼從 Navicat 里看數(shù)據(jù)是好的頁面上卻是?±‰?-—這樣的怪字符。原因字符集不一致。MySQL 庫和表是latin1編碼Django 連接串里寫的是utf8mb4兩邊對不上。多數(shù)情況是建庫時沒指定字符集MySQL 5.x 默認用的還是latin1。解決重來一遍最省事。執(zhí)行DROP DATABASE movie_recsys;然后重新建庫建庫時強制指定字符集CREATE DATABASE movie_recsys DEFAULT CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;如果數(shù)據(jù)已經(jīng)導入了不想丟就用ALTER DATABASE movie_recsys CHARACTER SET utf8mb4;改庫級配置再逐表執(zhí)行ALTER TABLE xxx CONVERT TO CHARACTER SET utf8mb4;。但從我的經(jīng)驗看趁數(shù)據(jù)量小直接重建更干凈省得半路出幺蛾子。5.3 雙擊 bat 腳本窗口一閃而過現(xiàn)象雙擊1-install.bat或2-run.bat窗口彈出來瞬間就消失了什么都來不及看。原因腳本執(zhí)行報錯但pause命令沒有被執(zhí)行到。常見的坑是requirements.txt里某個包安裝失敗或者 Python 沒加入系統(tǒng) PATH腳本第一行python -m venv venv就找不到解釋器。解決永遠不要在文件管理器里雙擊 bat 腳本而是先打開命令行窗口再手動執(zhí)行腳本。在項目根目錄按住 Shift 右鍵選擇“在此處打開 PowerShell 窗口”輸入.\1-install.bat回車這樣窗口不會閃退報錯信息能完整看到。報錯之后不要反復重跑先把報錯貼到搜索引擎查大概率是缺某個 Python 版本的依賴包。5.4 修改數(shù)據(jù)庫配置后系統(tǒng)不生效現(xiàn)象改了settings.py里的數(shù)據(jù)庫密碼和庫名重啟服務后依然連不上原來的庫或者干脆報ImproperlyConfigured。原因settings.py里可能有多處數(shù)據(jù)庫配置或者項目使用了環(huán)境變量覆蓋配置。Django 項目里常見的做法是放一個.env文件實際運行時.env的值會覆蓋settings.py里的默認值。解決搜索整個項目目錄看有沒有.env文件有的話把數(shù)據(jù)庫連接信息在.env里也改一遍。如果項目用了python-decouple或django-environ這類庫settings.py里讀的就是環(huán)境變量而不是硬編碼值。我拿到這套源碼后先全局搜索了DATABASE_URL、DB_NAME、DB_PASSWORD這幾個關(guān)鍵詞能快速定位所有需要改的配置點而不是只盯著settings.py一個文件。6. 進階玩法離線評測推薦效果與 K 值調(diào)優(yōu)把系統(tǒng)跑通只是第一步你要是想在畢業(yè)設計里加一點差異化亮點我強烈建議做離線評測。這一章的思路是把評分數(shù)據(jù)按 8:2 切分成訓練集和測試集用訓練集跑推薦算法再拿測試集里的真實評分和預測評分做對比得出 MAE 和 RMSE 兩個指標。這套評測代碼是通用的你拿任何協(xié)同過濾實現(xiàn)都能用import numpy as np from sklearn.model_selection import train_test_split def evaluate_recommendation(ratings_matrix, item_sim_matrix, test_ratio0.2, k20): 離線評測推薦算法的預測精度 :param ratings_matrix: 完整評分矩陣 :param item_sim_matrix: 物品相似度矩陣 :param test_ratio: 測試集比例默認20% :param k: 相似度鄰居數(shù)量評測時可以多試幾個值對比 :return: MAE和RMSE from sklearn.metrics import mean_absolute_error, mean_squared_error # 只保留有評分的索引 user_ids, movie_ids np.where(~np.isnan(ratings_matrix)) actual_ratings ratings_matrix[user_ids, movie_ids] # 切分訓練/測試索引 train_idx, test_idx train_test_split( np.arange(len(user_ids)), test_sizetest_ratio, random_state42 ) # 構(gòu)建訓練矩陣把測試集位置的評分置為NaN模擬“沒看過” train_matrix ratings_matrix.copy() for idx in test_idx: train_matrix[user_ids[idx], movie_ids[idx]] np.nan # 對每個測試樣本做預測 predictions [] for idx in test_idx: u, m user_ids[idx], movie_ids[idx] pred predict_rating(u, m, train_matrix, item_sim_matrix, kk) predictions.append(pred) mae mean_absolute_error(actual_ratings[test_idx], predictions) rmse np.sqrt(mean_squared_error(actual_ratings[test_idx], predictions)) return mae, rmse這段代碼的寫法是拿來即用的核心思想是把用戶真實的評分藏起來當成測試集看算法能不能“猜中”藏在測試集里的評分。如果 MAE 小于 0.8說明推薦質(zhì)量不錯——平均值誤差不到一分評分范圍 1-5 分這個成績在答辯時能打。我實踐下來ItemCF 在電影評分場景的 MAE 通常在 0.70.9 之間低于 0.7 說明數(shù)據(jù)質(zhì)量極高或者測試集劃分太寬松。評測跑通之后可以做 K 值敏感性實驗把 K 從 5 依次漲到 50記錄每個 K 值對應的 MAE畫一張 K-MAE 折線圖。這張圖放進論文的“實驗與分析”章節(jié)特別能撐場面。我自己的經(jīng)驗是 K 值在 20 附近時 MAE 最低K 太小預測容易走極端K 太大則會把相似度低的電影卷進來。如果數(shù)據(jù)集有 10 萬條以上評分你還能再加一個對比實驗UserCF vs ItemCF定量證明你的選型理由。從那以后我拿到任何推薦系統(tǒng)的源碼第一件事都是先跑一遍離線評測再上線跑服務這套流程已經(jīng)變成我看推薦工程項目源碼的習慣了希望幫到你。本文還有配套的精品資源點擊獲取