一、介紹
旅遊管理與推薦系統。本系統使用Python作為主要編程語言，前端採用HTML、CSS、BootStrap等技術實現界面展示平台的開發，後端使用Django框架處理用户響應請求，並使用Ajax等技術實現前後端的數據通信。本系統主要功能有：
- 系統分為兩個角色：用户和管理員
- 對於用户角色可以進行登錄、註冊、查看旅遊景點信息、點贊、收藏、購買景點門票、發佈評論、對景點進行評分、查看個人訂單、查看個人收藏、編輯個人信息、餘額充值、柱狀圖顯示點贊排行榜等功能模塊。
- 在本系統中的“猜你喜歡”界面中，通過使用協同過濾推薦算法，基於用户對景點的打分數據作為基礎，通過算法模塊實現對當前登錄用户的個性化推薦。
- 管理員可進入後台管理系統平台中對景點和用户數據進行管理
二、系統效果圖片展示
三、演示視頻 and 完整代碼 and 遠程安裝
獲取地址：https://www.yuque.com/ziwu/yygu3z/hb0wr2fpituoe754
四、協同過濾推薦算法介紹
協同過濾（Collaborative Filtering）是一種推薦系統中常用的算法，基於用户與物品的交互數據，預測用户對某個物品的偏好。協同過濾的基本思想是“相似的人有相似的喜好”或“相似的物品會被同樣的用户喜愛”。它分為兩種主要類型：
- 基於用户的協同過濾：通過找到與當前用户有相似興趣的其他用户，推薦這些用户喜歡的物品。例如，如果用户 A 和用户 B 對相同的電影評分相似，那麼 A 未評分但 B 喜歡的電影就可以推薦給 A。
- 基於物品的協同過濾：通過找到與當前物品相似的其他物品，推薦用户可能感興趣的物品。例如，如果某個用户喜歡電影 A，也可能會喜歡與 A 相似的電影 B。
協同過濾的核心在於計算相似度，常用的相似度度量方法有餘弦相似度和皮爾遜相關係數。
簡單示例代碼（基於用户的協同過濾）：
from sklearn.metrics.pairwise import cosine_similarity
import numpy as np
# 用户對物品的評分矩陣（行表示用户，列表示物品）
ratings = np.array([
[5, 3, 0, 1],
[4, 0, 0, 1],
[1, 1, 0, 5],
[0, 0, 5, 4],
[0, 3, 4, 5]
])
# 計算用户之間的餘弦相似度
user_similarity = cosine_similarity(ratings)
# 輸出用户相似度矩陣
print("用户相似度矩陣：\n", user_similarity)
# 假設我們為第一個用户做推薦，可以推薦與其相似用户喜歡的物品
target_user = 0
similar_users = user_similarity[target_user]
print("與目標用户相似的用户：", similar_users)這段代碼展示瞭如何計算用户之間的相似度，基於相似度矩陣可以進一步推薦物品。
