毕业设计源码：Python个性化音乐推荐系统 Django+协同过滤算法+Echarts可视化打造优质体验 人工智能 大数据（建议收藏）✅

博主介绍：✌全网粉丝50W+，前互联网大厂软件研发、集结硕博英豪成立软件开发工作室，专注于计算机相关专业项目实战6年之久，累计开发项目作品上万套。凭借丰富的经验与专业实力，已帮助成千上万的学生顺利毕业，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：2026年计算机专业毕业设计选题汇总（建议收藏）✅

2、最全计算机大数据专业毕业设计选题大全（建议收藏）✅

1、项目介绍

技术栈
Python语言、Django框架、基于用户的协同过滤推荐算法、Echarts可视化、HTML、CSS、JavaScript、MySQL/PostgreSQL数据库

功能模块

• 可视化界面
• 首页
• 音乐播放与信息展示
• 音乐详情页
• 音乐推荐
• 后台数据管理
• 音乐数据管理

项目介绍
本音乐推荐系统基于Python和Django开发，融合协同过滤推荐算法与Echarts可视化技术，打造了功能完善的音乐服务平台。系统前端以HTML、CSS、JS构建交互界面，后端依托Django处理业务逻辑，采用MySQL/PostgreSQL存储数据。平台为用户提供音乐分类浏览、播放、评分评论、个性化推荐等功能，同时通过可视化图表呈现音乐数据趋势；管理员可在后台完成音乐、用户、评论等数据的全流程管理，保障数据安全与平台运营，为用户带来个性化、便捷的音乐体验。

2、项目界面

（1）可视化
该页面是音乐推荐系统中的音乐浏览量可视化分析页面，可展示音乐浏览量的柱状图，同时系统还具备音乐推荐、数据可视化、我的收藏、个人信息、后台管理等相关功能模块，支持用户进行音乐浏览与系统管理等操作。

（2）首页–类型选择、热门音乐
该页面是音乐推荐系统的首页，包含轮播图展示、热门音乐列表展示、音乐分类筛选功能，同时系统还具备音乐推荐、数据可视化、我的收藏、个人信息、后台管理等导航功能，支持用户浏览热门音乐、按分类筛选音乐以及进行系统相关操作。

（3）音乐信息、播放、查看详情
该页面是音乐推荐系统的音乐信息页面，可展示音乐名称、浏览量、封面图片，支持在线播放、音量调节、查看音乐详情等操作，同时系统还具备首页、音乐推荐、数据可视化、我的收藏、个人信息、后台管理等导航功能，方便用户进行相关操作。

（4）可视化分析–音乐浏览量
该页面是音乐推荐系统的数据可视化页面，可通过柱状图展示音乐浏览量的可视化分析，同时系统还具备首页、音乐推荐、我的收藏、个人信息、后台管理等导航功能，方便用户进行相关操作。

（5）音乐详情页—-评分、评论、点赞收藏

该页面是音乐推荐系统的音乐详情页面，可展示音乐基础信息、封面、歌词，支持在线播放音乐和对音乐进行评分操作，同时系统还具备首页、音乐推荐、数据可视化、我的收藏、个人信息、后台管理等导航功能，便于用户开展相关操作。

（6）音乐推荐—协同过滤推荐算法

该页面是音乐推荐系统的音乐推荐页面，依托协同过滤算法实现个性化音乐推荐，可展示推荐音乐的名称、封面，支持在线播放和查看音乐详情操作，同时系统还具备首页、数据可视化、我的收藏、个人信息、后台管理等导航功能，方便用户进行相关操作。

（7）后台数据管理

该页面是音乐推荐系统的后台管理页面，可进行收藏信息、热门音乐、用户信息、类别信息、评分信息、评论信息、音乐信息等快捷操作，还能查看最近操作动作，同时系统还具备信息管理、认证和授权等导航功能，方便管理员开展相关管理操作。

（8）音乐数据管理
该页面是音乐推荐系统后台管理中的音乐信息管理页面，可展示音乐名称、作者、封面及创建时间，支持对音乐信息进行增加和删除操作，同时系统后台还具备收藏信息、热门音乐、用户信息、类别信息、评分信息、评论信息等管理模块，方便管理员开展各类数据管理操作。

3、项目说明

一、技术栈
本个性化音乐推荐系统以Python为核心开发语言，基于Django框架搭建后端服务，融合基于用户的协同过滤推荐算法实现个性化推荐，前端采用HTML、CSS、JavaScript构建交互界面，并结合Echarts库完成数据可视化呈现，数据库选用MySQL或PostgreSQL存储各类业务数据，整体技术架构稳定且具备良好的扩展性。

二、功能模块

• 可视化界面：依托Echarts库实现音乐浏览量、用户行为分析等数据的可视化展示，以柱状图等形式直观呈现音乐流行趋势与用户喜好，同时关联音乐推荐、后台管理等功能模块，支撑用户数据查看与系统管理操作。
• 首页：设置轮播图、音乐分类筛选区与热门音乐推荐列表，用户可按类型筛选音乐、浏览热门曲目，页面还集成音乐推荐、数据可视化、个人信息等导航入口，便捷用户操作。
• 音乐播放与信息展示：用户点击音乐后可进入专属播放页面，查看音乐名称、浏览量、封面等基础信息，支持在线播放、音量调节，还可跳转至详情页，搭配多模块导航功能提升操作流畅度。
• 音乐详情页：展示音乐的歌手、专辑、歌词等完整信息，支持用户完成评分、评论、点赞、收藏等互动操作，多维度满足用户参与需求，增强平台社区属性。
• 音乐推荐：基于用户协同过滤算法，结合用户历史行为与相似用户偏好，为用户推送个性化音乐，推荐页面展示音乐名称、封面，支持播放与查看详情，提升用户发现新音乐的效率。
• 后台数据管理：管理员可在此完成收藏信息、用户信息、评分评论信息等多类数据的快捷操作，查看最近操作记录，依托信息管理、认证授权等功能，保障系统数据管理的规范性。
• 音乐数据管理：作为后台核心模块，可展示音乐名称、作者、创建时间等信息，支持音乐数据的新增、删除操作，联动其他后台管理模块，实现音乐库的全流程维护。

三、项目总结
本音乐推荐系统围绕用户个性化音乐需求搭建，技术层面整合Python、Django、协同过滤算法与Echarts可视化技术，构建了前端交互友好、后端逻辑完善的服务平台。功能上覆盖用户侧的音乐浏览、播放、互动、个性化推荐，以及管理侧的全维度数据管控，既通过可视化让数据趋势更直观，又依托推荐算法提升用户体验。系统不仅满足普通用户发现、聆听音乐的核心需求，也为管理员提供了高效的运营管理工具，整体架构清晰、功能完备，具备较高的实用价值与拓展潜力。

4、核心代码

from django.shortcuts import render, redirect
from .models import MarkModel, CommentModel, HotModel, LikeModel, MusicModel, CategoryModel, UserInfoModel
from django.http import JsonResponse
import numpy as np
def index(request):
    hots = HotModel.objects.all()
    categories = CategoryModel.objects.all()
    context = {
        'hots': hots,
        'categories': categories
    }
    return render(request, 'index.html', context=context)
def login(request):
    if request.method == 'GET':
        return render(request, 'login.html')
    else:
        # 用户登录
        username = request.POST.get('username')
        password = request.POST.get('password')
        if not (username or password):
            return JsonResponse({'code': 400, 'message': '缺少必传的参数'})
        user = UserInfoModel.objects.filter(username=username, password=password).first()
        if not user:
            return JsonResponse({'code': 400, 'message': '账号或密码错误'})
        request.session['login_in'] = True
        request.session['username'] = user.username
        request.session['user_id'] = user.id
        return JsonResponse({'code': 200})
def register(request):
    if request.method == 'GET':
        return render(request, 'register.html')
    else:
        username = request.POST.get('username')
        password1 = request.POST.get('password1')
        password2 = request.POST.get('password2')
        email = request.POST.get('email')
        if not (username or password1 or password2):
            return JsonResponse({'code': 400, 'message': '缺少必传的参数'})
        if password1 != password2:
            return JsonResponse({'code': 400, 'message': '两次输入的密码不一致！'})
        flag = UserInfoModel.objects.filter(username=username).first()
        if flag:
            return JsonResponse({'code': 400, 'message': '该用户名已存在'})
        UserInfoModel.objects.create(
            username=username,
            password=password1,
            email=email
        )
        return JsonResponse({'code': 200})
def logout(request):
    # 退出登录
    flag = request.session.clear()
    return redirect('/')
def music_detail(request, music_id):
    # 音乐详情
    music = MusicModel.objects.get(id=music_id)
    comments = CommentModel.objects.filter(music_id=music_id)
    user_id = request.session.get('user_id')
    if user_id:
        flag_mask = MarkModel.objects.filter(item_id=music_id, user_id=user_id).first()
    else:
        flag_mask = False
    # 增加浏览量
    music.view_number += 1
    music.save()
    context = {
        'music': music,
        'comments': comments,
        'flag_mask': flag_mask
    }
    return render(request, 'music_detail.html', context=context)
def music_list(request, category_id):
    # 音乐分类列表
    musics = MusicModel.objects.filter(
        category_id=category_id
    )
    context = {
        'musics': musics
    }
    return render(request, 'music_list.html', context=context)
def add_like(request):
    # 添加收藏
    music_id = request.POST.get('music_id')
    user_id = request.session.get('user_id')
    flag = LikeModel.objects.filter(
        music_id=music_id,
        user_id=user_id
    ).first()
    if flag:
        return JsonResponse({'code': 400, 'message': '您已添加，请勿重复添加'})
    LikeModel.objects.create(
        user_id=user_id,
        music_id=music_id
    )
    return JsonResponse({'code': 200})
def my_like(request):
    # 我的收藏
    user_id = request.session.get('user_id')
    likes = LikeModel.objects.filter(user_id=user_id)
    return render(request, 'my_like.html', {'likes': likes})
def delete_like(request):
    # 删除收藏
    like_id = request.POST.get('like_id')
    LikeModel.objects.get(id=like_id).delete()
    return JsonResponse({'code': 200})
def my_info(request):
    user_id = request.session.get('user_id')
    if request.method == 'GET':
        # 个人信息界面
        info = UserInfoModel.objects.filter(
            id=user_id
        ).first()
        context = {
            'info': info
        }
        return render(request, 'my_info.html', context=context)
    else:
        # 更新个人信息
        username = request.POST.get('username')
        password = request.POST.get('password')
        email = request.POST.get('email')
        if not (username or password or email):
            return JsonResponse({'code': 400, 'message': '参数不能为空'})
        UserInfoModel.objects.filter(
            id=user_id
        ).update(
            username=username,
            password=password,
            email=email
        )
        return JsonResponse({'code': 200})
#  可视化-浏览量
def top_view(request):
    if request.method == 'GET':
        return render(request, 'top_view.html')
    else:
        musics = MusicModel.objects.all()[:30]  # 显示30条数据
        name_list = []
        count_list = []
        for music in musics:
            name_list.append(music.name)
            count_list.append(music.view_number)
            # count_list.sort(reverse=True)
        return JsonResponse({'code': 200, 'name_list': name_list, 'count_list': count_list})
def add_comment(request):
    # 添加评论
    user_id = request.session.get('user_id')
    if not user_id:
        return JsonResponse({'code': 400, 'message': '请先登录'})
    content = request.POST.get('content')
    music_id = request.POST.get('music_id')
    if not content:
        return JsonResponse({'code': 400, 'message': '内容不能为空'})
    CommentModel.objects.create(
        user_id=user_id,
        content=content,
        music_id=music_id
    )
    return JsonResponse({'code': 200})
def calculate_cosine_similarity(user_ratings1, user_ratings2):
    # 将用户1的音乐评分存入字典，键为音乐ID，值为评分
    item_ratings1 = {rating.item_id: rating.score for rating in user_ratings1}
    # 将用户2的音乐评分存入字典，键为音乐ID，值为评分
    item_ratings2 = {rating.item_id: rating.score for rating in user_ratings2}
    # 找出两个用户共同评价过的音乐
    common_items = set(item_ratings1.keys()) & set(item_ratings2.keys())
    if len(common_items) == 0:
        return 0.0  # 无共同评价的音乐，相似度为0
    # 提取共同评价音乐的评分，存入NumPy数组
    user1_scores = np.array([item_ratings1[item_id] for item_id in common_items])
    user2_scores = np.array([item_ratings2[item_id] for item_id in common_items])
    # 计算余弦相似度
    cosine_similarity = np.dot(user1_scores, user2_scores) / (
            np.linalg.norm(user1_scores) * np.linalg.norm(user2_scores))
    print(cosine_similarity)
    return cosine_similarity
def user_based_recommendation(request, user_id):
    try:
        # 获取目标用户对象
        target_user = UserInfoModel.objects.get(id=user_id)
    except UserInfoModel.DoesNotExist:
        return JsonResponse({'code': 400, 'message': '该用户不存在'})
    # 获取目标用户的音乐评分记录
    target_user_ratings = MarkModel.objects.filter(user=target_user)
    # 用于存储推荐音乐的字典
    recommended_items = {}
    # 遍历除目标用户外的所有其他用户
    for other_user in UserInfoModel.objects.exclude(pk=user_id):
        # 获取其他用户的音乐评分记录
        other_user_ratings = MarkModel.objects.filter(user=other_user)
        # 计算目标用户与其他用户的相似度
        similarity = calculate_cosine_similarity(target_user_ratings, other_user_ratings)
        if similarity > 0:
            # 遍历其他用户评价的音乐
            for item_rating in other_user_ratings:
                # 仅考虑目标用户未评价过的音乐
                if item_rating.item not in target_user_ratings.values_list('item', flat=True):
                    if item_rating.item.id in recommended_items:
                        # 累积相似度加权的评分和相似度
                        recommended_items[item_rating.item.id]['score'] += similarity * item_rating.score
                        recommended_items[item_rating.item.id]['similarity'] += similarity
                    else:
                        # 创建推荐音乐的记录
                        recommended_items[item_rating.item.id] = {'score': similarity * item_rating.score,
                                                                  'similarity': similarity}
    # 将推荐音乐按照加权评分排序
    sorted_recommended_items = sorted(recommended_items.items(), key=lambda x: x[1]['score'], reverse=True)
    # 获取排名靠前的推荐音乐的ID
    top_recommended_items = [item_id for item_id, _ in sorted_recommended_items[:10]]  # 前5
    # 构建响应数据
    response_data = []
    for item_id in top_recommended_items:
        item = MusicModel.objects.get(pk=item_id)
        similarity = recommended_items[item_id]['similarity']
        response_data.append({
            'name': item.name,
            'id': item.id,
            'image': item.image,
            'similarity': similarity,
            'file_url': item.file.url
        })
    print(response_data)
    context = {
        'response_data': response_data
    }
    print(context)
    return render(request, 'music_recommend.html', context=context)
def input_score(request):
    # 用户对音乐进行评分
    user_id = request.session.get('user_id')
    if not user_id:
        return JsonResponse({'code': 400, 'message': '请先登录'})
    score = int(request.POST.get('score'))
    item_id = request.POST.get('music_id')
    MarkModel.objects.create(
        item_id=item_id,
        score=score,
        user_id=user_id
    )
    return JsonResponse({'code': 200})

5、源码获取方式