论文总字数：19268字

摘 要

数字音乐消费需求的快速增长使得音乐推荐成为热门的研究内容。可是海量的音乐数据无疑增加了用户的负担，降低了用户的体验度。因此如何帮助用户在海量的音乐数据中找到自己喜欢的音乐成为一个亟待解决的问题。

基于Django框架的音乐推荐系统主要的功能是听歌并推荐。根据用户过往的操作采用协同过滤算法对用户进行分析，得出一个预测评分表，从而推荐排名较高的歌曲给指定目标。本系统采用Django内置的服务器运行，界面设计优美，各种操作清晰明了，方便用户使用。

论文将首先介绍课题背景以及课题的意义；其次介绍实现此系统将要用到的工具及技术，即采用Python语言，PyCharm开发，数据库使用的是MySQL。采用的是Django框架以及其他一些技术；最后将介绍该平台的实现。

关键词：音乐推荐 Django Python

Music recommendation engine and implementation

Abstract

The rapid growth of digital music consumer demand makes music recommendation a popular research. But the massive music data will undoubtedly increase the burden on users, and reduce the user experience. So how to help users in the massive music data to find their favorite music has become an urgent problem to be solved.

The main function of the music recommendation system which based on the Django framework is to listen to songs and recommend it. According to the user's past operation using collaborative filtering algorithm to analyze the user, so as to get a prediction score table, which recommend high ranking songs to the specified target. The system uses Django built-in server to run and the interface design is beautiful with a variety of clear operation and is user-friendly.

The paper will first introduce the background of the subject and the significance of the subject; secondly, to introduce the tools and techniques to be used in this system, that is, using Python language, PyCharm IDE, and MySQL. Developed with the Django framework and some other technologies; Finally, the implementation of the platform is introduced.

Keywords: music recommendation, Django, Python

目 录

摘要 I

Abstract II

第一章 绪论 1

1.1 课题背景 1

1.2 课题意义 1

1.3 个性化推荐系统概述 1

1.3.1 推荐系统的发展 1

1.3.2 推荐系统的算法介绍 2

1.4 课题主要研究内容 3

第二章 开发工具和开发技术 5

2.1开发工具 5

2.1.1 PyCharm相关介绍 5

2.1.2 Sublime Text相关介绍 5

2.1.3 MySQL相关介绍 5

2.2开发技术 5

2.2.1 Django相关介绍 6

2.2.2 Bootstrap相关介绍 7

2.2.3 HTML相关介绍 7

2.2.4 CSS相关介绍 8

2.2.5 JavaScript相关介绍 8

2.2.6 Python相关介绍 8

2.3本章小结 8

第三章 系统需求分析 9

3.1可行性分析 9

3.1.1可操作性 9

3.1.2技术性 9

3.1.3经济可行性 9

3.2 功能需求分析 9

3.2.1 用户功能模块需求 10

3.2.2 后台管理模块需求 10

3.3 性能需求分析 10

3.4 本章小结 10

第四章 总体设计 12

4.1 系统总体框架 12

4.2 数据库分析 12

4.3 数据库详细设计 15

4.4 本章小结 18

第五章 系统详细设计 19

5.1 系统流程图 19

5.1.1 系统前台客户端流程 19

5.1.2 系统后台流程 20

5.2 管理员模块 21

5.2.1 管理员登录 21

5.2.2 用户数据管理 23

5.2.3 音乐数据管理 25

5.3用户信息模块 26

5.3.1 注册 26

5.3.2 登录 27

5.3.3 主页 27

5.3.4 修改 28

5.4用户播放音乐模块 29

5.4.1 分享、收藏 29

5.4.2 评分 30

5.4.3 相似歌曲 31

5.4.4 分页 33

5.5消息管理模块 33

5.5.1 评论 33

5.5.2赞 34

5.6本章小结 35

第六章 结语 36

6.1 总结与展望 36

参考文献 37

致谢 38

第一章 绪论

1.1 课题背景

如今网络技术发展迅速，逐渐成为人们获取信息的主要方式之一。可是，在当今网络上的信息内容呈现出爆炸性增加的趋势，如何迅速地从海量的信息中获取自己想要的数据成为人们关注的内容。因此如何管理存放海量数据并从中提取出特定的内容成为一个热门的研究方向。

人类对音乐有着天然的追求，这种追求随着网络的发展体现在了数字音乐消费模式的增长。在音乐已经成为用户娱乐消费的主要方式下，音乐推荐系统也成为热门的研究内容。通过对用户听歌数据的深度挖掘，将用户紧密的联系在一起，推荐合适的歌曲，这就是音乐推荐系统的主要内容。在移动应用商店中，有关音乐的软件多达几十个，人们对此类软件的需求不再仅仅是听歌，而更多的在于个性化的音乐推荐。各大社交平台和音乐软件开发商纷纷注意到了这一点，对用户都提供了个性化的推荐服务。

1.2 课题意义

基于以上的背景，快速准确的推荐给用户可能感兴趣的音乐将无疑大大节省用户的时间与精力。近年来，各种新技术不断被提出被运用在多种领域。在实验的基础上选取合适的算法应用在音乐系统中，无疑提升用户的体验感。此外音乐作为人们交流的一个重要媒介，用音乐将兴趣相近的用户紧密联系在一起，也有助于促进彼此之间的交流，帮助用户了解不同的想法，创建新的联系。

1.3 个性化推荐系统概述

1.3.1 推荐系统的发展

1992 年， Goldberg等人首先将协同过滤的思想引入Tapestry系统中。接下来的几年中，过滤新闻消息的 Grouplens系统,推荐音乐的Ringo系统以及推荐电影的贝尔视频推荐器相继出现，推动了协同过滤技术的迅猛发展。

1997 年，Resnick首先正式提出推荐系统这个概念。此时推荐系统用到的还是协同过滤技术。

请支付后下载全文，论文总字数：19268字