目录
摘 要 III
关键词 III
ABSTRACT IV
KEY WORDS IV
1 绪论 1
1.1 选题背景、意义 1
1.2 推荐系统的国内外研究现状 1
1.3 研究的目的和内容 2
1.3.1 研究目的 2
1.3.2 研究内容 2
1.3.3 技术路线 3
2 小说推荐系统的相关技术理论 3
2.1 Django网络架构技术 4
2.1.1 Model 5
2.1.2 Template 5
2.1.3 View 5
2.2 网络爬虫技术 6
2.2.1 网络爬虫的工作原理 6
2.3 Django数据库存储端相关技术 6
2.4 协同过滤推荐算法技术 6
2.4.1 协同过滤推荐算法技术的原理 7
2.4.2 余弦相似度技术的原理 7
3 小说推荐系统的需求分析 8
3.1 基于UML的需求分析方法和流程 8
3.2 系统业务需求 8
3.3 基于UML的管理员的PC端需求分析 9
3.3.1 开发场景 9
3.3.2 系统用例图 11
3.3.3 系统类图 11
3.4 基于UML的用户客户端需求分析 12
3.4.1 开发场景 12
3.4.2 系统用例图 13
3.4.3 系统类图 13
4 小说推荐系统的系统设计 14
4.1 数据库设计 14
4.1.1 数据库概念结构设计 14
4.1.2 数据库逻辑结构设计 16
4.2 系统顺序图 17
4.2.1 用户客户端系统注册登录顺序图 17
4.2.2 用户客户端查看小说信息顺序图 17
4.2.3 PC端网络爬虫顺序图 17
 *51今日免费论文网|www.51jrft.com +Q: &351916072& 
5 小说推荐系统的功能实现 18
5.1 热门小说推荐实现 18
5.2 根据用户兴趣偏向推荐实现 18
5.3 其他相同兴趣用户推荐实现 19
6 小说推荐系统的系统功能测试 20
6.1 用户客户端系统注册登录用例 20
6.2 用户客户端查看小说信息用例 22
6.3 用户客户端查看推荐小说用例 24
7 总结与展望 26
7.1 总结 26
7.2 展望 26
致谢 26
参考文献： 26
基于Python语言的小说推荐系统的设计与实现
摘 要
本小说推荐系统的设计将在Python语言的基础上，结合Django架构，构建网络web服务。利用爬虫功能，将从网站中爬取到的各部小说书名、作者、类型以及简介等信息放入数据库中。本系统实现了推荐系统应有的三种推荐模式，即：基于总榜单推荐、基于用户兴趣标签推荐、基于相同兴趣用户推荐。基于总榜单推荐，直接使用网站中爬取到的数据作为推荐依据，用户可直接查看“总榜单推荐”来获取推荐小说，此推荐模式仅仅推荐了热门小说，并不能够实现精确推荐。基于用户标签推荐，系统根据用户点击某类型小说的频次，计算出用户大致的兴趣偏向，从而向其推荐符合其兴趣的小说。当用户拥有多个兴趣时，系统会优先推荐同时包含这些兴趣的小说，相较于第一种推荐模式，此模式使得推荐的结果更加精细化、合理化。基于相同兴趣用户推荐，系统会随机生成1000名虚拟用户，并赋予其不同数量的兴趣标签和读过的小说。根据距离算法得出的用户间距离，选定特殊的距离值，将处在距离值范围内的用户归纳为组。用户可与同为一组的其他组员共享正在阅读或已阅读的小说。此模式由“个体系统”转变为“个体个体”，加强了人和人之间的联系。这一推荐模式也是本系统的重点设计之处。

原文链接：http://www.jxszl.com/jsj/wljs/606888.html