基于知识图谱的电影推荐系统

基于知识图谱的电影推荐系统

系统简介
本项目是一个基于知识图谱的电影推荐系统，它结合了豆瓣电影数据与Neo4j图数据库，通过用户行为分析与协同过滤算法，为用户提供个性化的电影推荐服务。系统不仅实现了电影信息的爬取、存储与展示，还通过图谱可视化与交互查询，增强了用户对电影关联知识的探索体验。

功能描述
用户端功能
登录注册与退出：用户可以使用账号登录或注册新账号，并随时退出登录状态。

电影列表与模糊搜索：登录后，用户可以浏览电影列表，并通过模糊搜索功能快速定位感兴趣的电影。

电影详情与打分评论：点击电影名称，用户可查看电影详细信息，包括剧情、演员、导演等。在此页面，用户还可以对电影进行打分和发表评论，打分数据将实时写入Neo4j数据库。

知识图谱展示与查询：系统通过Echarts可视化工具展示Neo4j中的知识图谱数据，用户可以根据节点和关系进行交互查询，深入了解电影之间的关联信息。

协同过滤推荐：基于用户的打分数据，系统采用协同过滤算法为用户提供个性化的电影推荐。

个人信息管理：在个人中心，用户可以修改自己的个人信息，如昵称、密码等。

管理员端功能
登录管理端：管理员使用专用账号登录管理端，进行系统维护与用户管理。

用户管理：管理员可以增删改查用户信息，确保用户数据的准确性与安全性。

电影与相关数据维护：管理员可以对电影、地区、类型、评分和评论等数据进行增删改查操作，保持数据的完整性与时效性。

技术描述
本系统后端采用Django框架进行开发，前端使用HTML、CSS和JavaScript进行页面构建与交互实现。在数据存储方面，系统使用SQLite数据库存储结构化数据，并利用Neo4j图数据库存储电影知识图谱数据。为了实现图谱的可视化展示与交互查询，系统集成了Echarts图表库与py2neo库，分别用于图谱渲染与Neo4j数据操作。此外，系统还采用了协同过滤算法进行个性化推荐计算，为用户提供精准的电影推荐服务。

1000