企业官网建设流程全解析

基于Flask+Vue的电影数据可视化与智能推荐系统

一、项目简介

本系统是一套以豆瓣电影数据为对象的数据采集、分析与推荐平台。后端采用 Flask、SQLAlchemy 与 MySQL，前端采用 Vue、Vuetify、ECharts 与 Vuex；系统将电影信息、评论、人物信息爬取，数据看板可视化，协同过滤推荐和中文评论情感分析整合到一个前后端分离项目中。

项目实际包含电影、用户、订单、文件、支付宝、百度等 API 模块，推荐算法包含ItemCF.py与UserCF.py，深度学习目录包含 LSTM 模型定义、训练与预测脚本；Scrapy 项目包含电影评论、电影详情、电影条目和人物信息爬虫。

二、系统功能

1.1 用户端功能

账户与个人资料管理

用户可注册、登录并在账户设置中维护账户资料、密码、安全信息和个人相关记录。userApi.py为用户认证与资料业务提供接口支持。

电影资源浏览与检索

用户可在首页、电影库和电影详情等页面浏览电影基础信息、热门电影和影片相关数据。movieApi.py为电影列表、详情、热门内容和推荐结果提供后端接口。

数据看板与可视化分析

前端包含折线图、柱状图、饼图、词云、时间图、地图和综合 Dashboard 页面，用于展示电影评分、类型、时间分布、评论词频等多维数据。Charts相关视图提供不同维度的图表呈现。

个性化电影推荐

系统提供 ItemCF 和 UserCF 两类协同过滤推荐。ItemCF 基于电影之间的相似度寻找用户可能感兴趣的影片，UserCF 基于相似用户的历史偏好生成推荐列表；推荐结果在前端电影页面中展示。

评论情感分析

用户可在机器学习页面输入中文评论文本。predict_lstm.py调用训练后的 LSTM 模型完成情感倾向预测，前端SentimentalAnalysis.vue用于展示分析交互和结果。

1.2 数据处理与后台功能

豆瓣数据爬取

Scrapy 项目包含movie_meta.py、movie_comment.py、movie_subject.py和person_meta.py等爬虫，用于采集电影详情、评论、条目和人物相关数据。管道、代理和 Cookie 等辅助文件配合处理数据采集过程。

电影数据与订单业务

后端通过电影、订单、文件等 API 管理平台业务数据。订单和支付模块包括orderApi.py、alipayApi.py，文件模块由fileApi.py提供支持。

模型训练与维护

deeplearning/train.py用于 LSTM 情感分析模型训练，model.py定义模型结构，vocab.json保存词汇相关数据。推荐算法和深度学习模型可基于已采集或导入的数据持续更新。

三、技术栈

四、项目结构

Douban-Movie-Visualization/ ├── Flask/ │ ├── api/ │ │ ├── movieApi.py# 电影接口│ │ ├── userApi.py# 用户接口│ │ ├── orderApi.py# 订单接口│ │ ├── fileApi.py# 文件接口│ │ └── alipayApi.py# 支付相关接口│ ├── algorithm/ │ │ ├── ItemCF.py# 基于物品的协同过滤│ │ └── UserCF.py# 基于用户的协同过滤│ ├── deeplearning/ │ │ ├── model.py# LSTM 模型定义│ │ ├── train.py# 模型训练│ │ └── predict_lstm.py# 情感预测│ └── requirements.txt ├── vue/src/views/ │ ├── Charts/# ECharts 图表页面│ ├── MachineLearning/# 机器学习与情感分析页面│ ├── Home.vue、Library.vue# 电影浏览页面│ └── AccountSettings/# 账户设置页面├── scrapy/douban/spiders/# 电影、评论和人物爬虫└── 数据库/flask_douban_comment.sql# 数据库脚本

五、环境要求

• Python 3.7+
• MySQL 8.0
• Node.js 14+
• pip、npm

六、数据库初始化

创建数据库flask_douban_comment并导入项目提供的 SQL 文件。随后按本机环境修改 Flask 的数据库连接配置。

mysql-uroot-p--default-character-set=utf8mb4 flask_douban_comment<数据库/flask_douban_comment.sql

七、后端启动

cdFlask pipinstall-rrequirements.txt python app.py

后端默认地址为http://localhost:5000。

八、前端启动

cdvuenpminstallnpmrun serve

九、默认账号

项目未提供可确认的默认账号，请以数据库初始化数据为准。

十、业务流程说明

9.1 数据采集与可视化流程

Scrapy 爬虫采集电影详情、评论和人物信息，并通过管道处理后写入数据库。前端图表页面调用电影相关接口读取统计数据，将评分、类型、时间、词频等分析结果以柱状图、折线图、饼图、词云等形式呈现。

9.2 推荐与情感分析流程

用户浏览电影或产生相关行为后，系统读取电影及用户行为数据，分别使用 ItemCF、UserCF 计算推荐候选结果并返回前端。用户输入评论文本时，LSTM 情感模型加载训练成果进行预测，并将情感分析结果展示在机器学习页面。

十一、交付内容

1. Flask 后端、Vue 前端、Scrapy 爬虫及推荐和情感分析模块完整源码。
2. 电影数据数据库脚本文件。
3. 项目说明文档，包含功能说明、环境、初始化和启动步骤。

本项目为个人原创，结构清晰，功能完整，适合课程设计、毕业设计和项目演示使用。有定制化需求可以评论或私信作者。

个人网址：https://michael-jay.pages.dev/