互联网访问地址http://198.56.183.11:8080

数据集下载地址http://www2.informatik.uni-freiburg.de/~cziegler/BX/

• 对图书数据使用tensorflow和GPU加速实现了初版的协同过滤算法 （为了tensorflow的tensor运算，所以会创建比较大的矩阵，会初始化2个约27W乘10W的矩阵） 作者训练环境配置：

环境：ubuntu 
内存：64G
显卡：TaiTanXP * 4  （4*12G）

速度有比较大的提升。一天内可以训练完成。但是内存占用极高。接近42G内存。 所以在git上面CF4TensorFlow.py这个文件中第12行：

Rating=Rating[:5000]   

设置了一个切片区间，默认使用5000，你可以按你的配置修改这个参数。 作者选择 Epoch 60000 Loss函数曲线

注册，登录，检索查询，评分，实时推荐，离线推荐，购物车，书单，删除购物车，删除书单。
管理员权限： 删除用户，添加书籍，删除书籍。

• 系统整体功能全面完善,后台管理系统上线
• 前端增加实时推荐模块-猜你喜欢.协同过滤计算结果在-推荐书籍内

• 项目整体重构
• 后端代码优化
• 前端页面全换

• 介于很多同学需要数据，和对项目部署困难，现在将项目结构整体优化了。更容易部署了，随下随用

• 优化了搜索框的样式
• 优化了整体配色
• 优化了书籍排版，对名字长的书籍会自动省去保留开头。
• 新增了一个书籍详情页面（基于书本的推荐可以在里面做）
• 丰富了搜索内容

• 增加了一个搜索引擎功能，可以输入书名做对应的查询，此功能还有待完善
• 增加了对推荐书籍的评分功能。
• 增加了查看历史评分书籍的功能。

• 使用python3.6作为编程语言。使用mysql作为数据库存储.
• 需要安装pandas,flask，pymysql. *　安装方式:

    pip install pandas
    pip install flask
    pip install pymysql

QQ：470581985

图书推荐系统

----Flask-BookRecommend-Mysql\
    |----data                         >这个文件夹中存放数据集，数据集比较杂乱。
    |----image\                       
    |----web\                        >web端 
    |    |----logger.py               >日志记录
    |    |----config.yml              >配置参数
    |    |----logs                    >日志
    |    |----app.py                  >web入口
    |    |----utils.py                >辅助模块
    |----CF_use_python.py            >协同过滤：CF 算法
    |----CF_use_tensorflow.py        >使用tensorflow实现的协同过滤CF算法
    |----read_data_save_to_mysql.py  >读取data文件夹里面的书籍存储到数据库中
    |----README.md

数据集下载地址[http://www2.informatik.uni-freiburg.de/~cziegler/BX/]

• 将下载好的数据放入data文件夹下

• 运行read_data_save_to_mysql.py文件 将数据导入到mysql中。

• 进入web文件夹,运行app.py

• 在浏览器上访问 127.0.0.1:8080

• 使用UserID和Location作为账号密码登录网站。

• 注意mysql的链接参数.默认是root,密码123456

Example：

• UserID/账号：
  • 39027
• UserName/密码：
  • tempe, arizona, usa

本项目实现了3个图书推荐功能：

• 热门书籍
  • 是将评分排名最高的几本书推荐给用户
• 猜你喜欢
  • 通过数据库SQL语句实现
  • ”看了这本书的人也看了XX书“
  • 主要逻辑是：
    • 首先查该用户的浏览记录
    • 通过浏览过的书籍，找到也看过这本书的人
    • 在也看过这本书的人中，找评分较高的书推荐给用户
• 推荐书籍
  • 离线计算好的推荐表的信息。使用到了协同过滤算法
  • 之后会做成按天更新