音乐推荐系统 基于协同过滤的音乐推荐系统 基于用户画像的音乐推荐系统 使用基于协同过滤与用户画像相结合的方法，为用户推荐音乐，同时实现注册、登陆、搜索音乐等多种功能 后台管理员可以实现增删改查等多种功能 使用的数据集为kaggle平台上的公开数据集，拥有超过3000万首音乐曲目。 采用python+Django框架实现 数据库采用mysql 前端采用html+css+js
音乐推荐系统这玩意儿听起来玄乎，实际拆解起来就是让机器学会猜你喜欢什么歌。这次咱们用Python+Django搞了个能同时玩转协同过滤和用户画像的推荐系统，光数据库就存了3000万条音乐数据，光看这数字我都觉得硬盘在哀嚎。
先说用户模块，Django自带的auth模块省了不少事，但注册时得让用户选几个喜欢的音乐类型。这里用了个骚操作——直接在注册页面用JS动态加载标签云：
// 前端标签选择 document.getElementById('genreCloud').innerHTML = ['流行', '摇滚', '电子'].map(genre => `<span class="genre-tag" onclick="toggleSelect(this)">${genre}</span>` ).join('');后台处理注册请求时，得把用户选择的标签存进MySQL的user_profile表。这里注意别用Django的默认User模型，咱们得扩展个Profile：
class UserProfile(models.Model): user = models.OneToOneField(User, on_delete=models.CASCADE) favorite_genres = models.JSONField(default=list) # 存成['pop','rock']格式 last_played = models.ForeignKey('Song', null=True, on_delete=models.SET_NULL)推荐算法这块最有意思。协同过滤直接用surprise库，但得先处理千万级数据。这里有个坑——直接加载CSV会内存爆炸，得用生成器逐批处理：
# 数据处理 def get_dataset(): with open('ratings.csv', 'r') as f: next(f) # 跳过表头 for line in f: user_id, song_id, rating = line.strip().split(',')[:3] yield (user_id, song_id, float(rating)) # 创建Trainset时改用生成器 data = Dataset.load_from_folds(get_dataset(), reader=Reader(line_format='user item rating')) algo = SVD() for trainset, testset in data.folds(): algo.train(trainset)用户画像部分更讲究实时性，用Redis缓存用户最近播放记录。当用户点击播放时，后台立马更新他的画像权重：
# 播放事件处理 def handle_play(user_id, song): r = redis.StrictRedis() key = f"user:{user_id}:prefs" # 增加流派权重 for genre in song.genres: r.zincrby(key, 1, genre) # 记录相似用户 similar_users = User.objects.filter(favorite_genres__contains=song.genres) r.sadd(f"user:{user_id}:similar", *[u.id for u in similar_users])前后端联调时最头疼的是推荐结果的实时加载。用AJAX轮询太low，换成WebSocket才带劲。Django Channels配置起来略麻烦，但效果拔群：
// 前端实时推荐 const ws = new WebSocket('ws://localhost:8000/recommend/'); ws.onmessage = function(e) { const songs = JSON.parse(e.data); document.querySelector('#recommendations').innerHTML = songs.map(s => `<div class="song-card">${s.title}</div>`).join(''); };最后给管理员留了个后门——在Django admin里可以直接编辑歌曲信息，但得重写delete_queryset方法防止误删：
# admin.py class SongAdmin(admin.ModelAdmin): def delete_queryset(self, request, queryset): for obj in queryset: obj.is_active = False # 软删除 obj.save()这系统跑起来后最魔幻的是，当你深夜听电子音乐时，推荐列表会突然蹦出上世纪八十年代的迪斯科金曲——别怀疑，这就是协同过滤和用户画像在battle呢！
)
