博主介绍：✌全网粉丝10W+,前互联网大厂软件研发、集结硕博英豪成立工作室。专注于计算机相关专业项目实战6年之久，选择我们就是选择放心、选择安心毕业✌
> 🍅想要获取完整文章或者源码，或者代做，拉到文章底部即可与我联系了。🍅

点击查看作者主页，了解更多项目！

🍅感兴趣的可以先收藏起来，点赞、关注不迷路，大家在毕设选题，项目以及论文编写等相关问题都可以给我留言咨询，希望帮助同学们顺利毕业 。🍅

1、毕业设计：2025年计算机专业毕业设计选题汇总（建议收藏）✅

2、大数据毕业设计：2025年选题大全 深度学习 python语言 JAVA语言 hadoop和spark（建议收藏）✅

1、项目介绍

技术栈：Python语言、Django框架、协同过滤推荐算法、Echarts可视化、数据分析、排行榜、MySQL数据库
前台用户：登录/注册/找回密码、新闻搜索/浏览/评分/收藏/评论/点赞、个性化推荐、猜你喜欢、个人中心（评分/收藏/点赞/浏览历史）
后台管理员：可视化数据分析（用户偏好Top20/类型饼图）、新闻类型/新闻/用户/评分/收藏/评论/点赞/浏览/偏好/管理员管理
推荐策略：

• 游客：热门推荐（按新闻平均偏好值降序）
• 登录用户：基于用户的协同过滤；若冷启动无结果，回退热门推荐；猜你喜欢取当前类型下高偏好且未浏览新闻
• 可视化：Echarts柱状图+饼图展示用户偏好Top20与类型分布

研究背景：信息过载时代，传统门户“千人一面”导致体验差、留存低；协同过滤+可视化可提升点击与停留时长。
研究意义：将“协同过滤+排行榜+可视化”完整链路封装为Django+Vue全栈系统，为媒体平台、高校大数据课程、毕业设计提供高可用开源方案，助力新闻门户数字化转型。

2、项目界面

（1）系统首页-----新闻分类、新闻预览、新闻推荐

（2）后台可视化分析----用户偏好新闻Top20、用户偏好新闻类型

（3）新闻详情页--------新闻详细内容、点赞、收藏、评分

（4）新闻详情页--------新闻详细内容、点赞、收藏、评分

（5）猜你喜欢新闻、新闻评论

（6）个人中心—个人信息、我的评分、点赞、收藏、浏览历史

（7）后台数据管理—新闻数据管理

（8）用户偏好管理

（9）注册登录

3、项目说明

系统功能模块介绍

1. 用户前台功能模块

1. 用户账户管理

   • 登录/注册/找回密码/退出登录：支持邮箱验证与JWT令牌，保障账户安全。
   • 个人信息修改：头像、昵称、联系方式等；密码独立修改，增强安全性。

2. 新闻浏览与交互

   • 分类浏览与搜索：支持多级新闻类型与关键词高亮搜索。
   • 新闻详情：展示标题、正文、发布时间、作者；提供评分（1-5星）、收藏、点赞、评论功能。
   • 用户行为埋点：浏览、评分、收藏、点赞、评论实时写入MySQL，为推荐算法提供原始数据。

3. 个性化推荐

   • 游客热门推荐：按新闻平均偏好值降序返回Top-N。
   • 登录用户-协同过滤：基于用户的协同过滤（UserCF），离线计算用户相似度，在线召回+排序。
   • 冷启动回退：若协同过滤无结果，自动切换热门推荐。
   • 猜你喜欢：当前新闻类型下高偏好且用户未浏览的20条内容。

4. 个人中心

   • 我的评分/收藏/点赞/浏览历史：支持分页、按时间筛选、一键取消。
   • 偏好画像：用Echarts雷达图展示用户在各类型的偏好分值。

2. 后台管理员功能模块

1. 数据可视化大屏

   • 用户偏好新闻Top20：柱状图，实时统计平均偏好值最高的20条新闻。
   • 用户偏好新闻类型：饼图，展示各类型平均偏好值占比。

2. 新闻与类型管理

   • 新闻CRUD：支持富文本编辑器、封面图上传、批量导入、定时发布。
   • 类型管理：无限级分类，支持拖拽排序、SEO关键词设置。

3. 用户与行为管理

   • 用户信息管理：查看、编辑、禁用、删除；支持批量导出。
   • 行为明细：浏览、评分、收藏、点赞、评论明细表，可筛选、导出CSV。

4. 管理员与权限

   • RBAC角色管理：超级管理员、编辑、审核员三级角色，菜单级权限控制。

3. 技术实现

• 后端：Python 3.9 + Django 4.2 + Django-REST-Framework + MySQL 8.0
• 推荐算法：基于用户的协同过滤（UserCF）+ 热门回退 + 猜你喜欢混合策略
• 前端：Vue 3 + Element-Plus + Echarts.js（柱状图、饼图、雷达图）
• 部署：Docker-Compose一键启动，Nginx反向代理，支持单机与集群

系统采用Django-REST-Framework提供标准化API，Vue3单页应用实现前后端分离；推荐服务使用Redis缓存用户相似度矩阵，提高并发性能；Echarts可视化组件封装成Vue插件，低代码添加新图表。整体代码开源、文档齐全，是毕业设计、新闻门户、大数据实训的理想模板。

4、核心代码

# 前台用户首页视图
from django.core.paginator import Paginator
from django.shortcuts import render
from app_news.models import News
from app_newstype.models import Newstype
from app_tools.rec.collaborative_filtering_based_user import cfRecommend
from app_tools.tools import ConstantTools
from app_userpreference.models import Userpreference


# 前台用户首页视图函数
def index(request):
    # 全部新闻，关联新闻类型分页查询所有新闻数据，新闻id降序（添加时间降序）
    newss = News.objects.values("id", "newsname", "imagepic", "sources", "newstypeid__newstypename").order_by("-id")
    # 分页查询
    paginator = Paginator(newss, ConstantTools.page_size_user)
    # 查询第一页
    pageBean = paginator.page(1)
    # 查询所有新闻类型：id降序排列
    newstypes = Newstype.objects.all().order_by("-id")
    print("***推荐新闻开始***")
    # 定义推荐的新闻列表变量
    recommendNewss = None
    # 判断用户是否登录
    if request.session.get(ConstantTools.session_user, None):
        # 获取登录用户id
        userid = request.session.get(ConstantTools.session_user).get("id")
        # 推荐新闻
        recommendNewss = doRecommend(userid)
    else:
        print("用户未登录，采用热门推荐!")
        recommendNewss = hotRecommend()
    print("***推荐新闻结束***")
    # 返回到页面的数据
    return_data = {
        "page": 1,
        "pageBean": pageBean,
        "newstypes": newstypes,
        "recommendNewss": recommendNewss,
    }
    return render(request, "index.html", context=return_data)


# 推荐新闻：游客（用户未登录）：
# 热门推荐（推荐用户偏好较高的新闻）；
# 用户（用户已登录）：基于用户的协同过滤推荐算法，根据用户偏好数据，
# 如果基于用户的协同过滤推荐算法没有推荐结果（冷启动和数据稀疏性问题造成没有推荐结果），采用热门推荐（推荐用户偏好较高的新闻）。
def doRecommend(userid):
    # 查询所有用户偏好数据
    userpreferences = Userpreference.objects.all()
    # 调用基于用户的协同过滤推荐算法
    recommendNewsidList = cfRecommend(userid, userpreferences)
    # 判断是否有推荐结果
    if recommendNewsidList and len(recommendNewsidList) > 0:
        # 根据预测偏好值降序查询推荐的新闻
        # 将推荐的新闻id列表转新闻id字符串（以逗号分割），新闻id列表中的id是int类型，故需先使用内置函数map将int转str
        newsids = ",".join(map(str, recommendNewsidList))
        # 根据预测偏好值降序查询新闻列表sql，关联新闻类型
        sql = "select m.*, t.newstypename from table_news m " \
              "left join table_newstype t on t.id = m.newstypeid " \
              "where m.id in (%s) order by field(m.id, %s)" % (newsids, newsids)
        print(sql)
        # 返回查询的结果
        return News.objects.raw(sql)
    else:
        print("基于用户的协同过滤推荐算法没有推荐结果，采用热门推荐！")
        # 热门推荐（推荐用户偏好较高的新闻），同时排除当前登录用户已有偏好的新闻
        recommendNewss = hotRecommend(userid=userid)
    return recommendNewss


# 热门推荐：推荐用户偏好较高的新闻，同时排除当前登录用户已有偏好的新闻
# 参数userid：当前登录用户id，
# 如果参数为空，即查询所有用户偏好较高的新闻；
# 如果参数不为空，排除登录用户已有偏好的新闻。
def hotRecommend(userid=None):
    # sql语句
    sql = "select m.*, t.newstypename, " \
          "round(avg(w.preference), 1) as avgpreference, count(m.id) as preferencecount " \
          "from table_news m " \
          "left join table_newstype t on t.id = m.newstypeid " \
          "left join table_userpreference w on w.newsid = m.id " \
          "where 1 = 1 "
    # 判断用户是否登录
    if userid:  # 登录用户
        # 排除登录用户已有偏好的新闻
        sql += "and m.id not in ( select newsid from table_userpreference where userid = %s ) " % userid
    sql += "group by m.id order by avgpreference desc, preferencecount desc limit 0, 10 "
    print(sql)
    # 查询
    return News.objects.raw(sql)

5、源码获取方式

biyesheji0005  或  biyesheji0001   （绿色聊天软件）

🍅由于篇幅限制，获取完整文章或源码、代做项目的，查看我的【用户名】、【专栏名称】、【顶部选题链接】就可以找到我啦🍅

感兴趣的可以先收藏起来，点赞、关注不迷路，下方查看👇🏻获取联系方式👇🏻