LangChainDjangoVue.js基于AI的新闻社区智能推荐与交互平台设计与开发 AI大语言模型 AI向量模型 智能推荐 智能聊天助手 智能评论情感分析 可视化数据分析 爬虫 前后端分离AINewsRecSystemPy一、项目简介1、开发工具和使用技术Pycharm、vscode集成开发工具nodejs18.0及以上版本python3.10及以上版本mysql8.0及以上版本navicat数据库管理工具django后端框架vue3前端框架vue-router路由组件pinia状态管理组件element plus组件echarts可视化图表组件、LangChain框架、阿里云大模型平台等。2、实现功能用户首页http://localhost:5173/管理员首页http://localhost:8000/admin管理员账号admin 管理员密码admin用户功能登录、注册、忘记密码、兴趣标签、甄选新闻、新闻排行榜、流行度热点推荐、AI智能推荐、兴趣标签推荐、相关推荐基于内容推荐(AI向量模型推荐)、AI评论情感分析、新闻数据分析、点赞、收藏、评分、评论、浏览历史、修改信息、修改密码等管理员功能登录、可视化数据分析、新闻管理、新闻类型管理、用户管理、兴趣标签管理、点赞管理、收藏管理、评分管理、评论管理、浏览历史管理、管理员管理等。智能推荐用户未登录基于流行度的热点推荐随机查询所有用户偏好的新闻即评分评分4、收藏、点赞量多的新闻用户已登录AI智能推荐如果没有推荐结果兴趣标签推荐即随机查询当前登录用户兴趣标签下的新闻。AI智能推荐新闻首先根据当前登录用户最近的新闻偏好评分评分4、收藏、点赞的新闻构建用户偏好新闻的文本内容然后使用AI向量模型将偏好文本向量化到向量库中检索相匹配的新闻构建候选推荐的新闻集合然后构建用户画像提示词包含年龄、性别、简介等、构建用户最近的新闻偏好提示词、构建候选推荐新闻的提示词整理构建向AI大语言模型发送的消息提示词用户画像、最近的新闻偏好、候选推荐新闻、输出结果格式AI大语言模型智能推荐。相关推荐用户未登录同类型推荐随机查询当前新闻的新闻类型下的新闻用户已登录基于内容推荐如果没有推荐结果同类型推荐随机查询当前新闻的新闻类型下的新闻同时过滤当前新闻、当前登录用户已浏览的新闻。基于内容推荐新闻首先根据当前新闻信息构建当前新闻的文本内容然后使用AI向量模型将当前新闻的文本内容向量化到向量库中检索相匹配的新闻构建候选推荐的新闻集合然后过滤用户已经评分、收藏、点赞、推荐过的新闻得到最终推荐的新闻。可视化数据分析饼状图、词云图、柱状图。3、开发步骤一、需求分析主要是分析需要实现的功能、确定开发工具及技术等。例如前台用户需要有登录、注册、退出登录、搜索新闻、新闻评分、个性化推荐等后台管理员需要有登录、用户管理、新闻管理、新闻类型管理等。Django后端框架、vue前端框架、mysql数据库技术的选择等。二、数据库设计数据库设计使用navicat数据库管理工具可通过sql语句脚本生成数据库表也可以直接操作新建表设计表等。注意主外键关联设计例如评分记录表需要外键关联用户表和新闻表。三、前端vue框架搭建在cmd中使用nodejs命令node create vuelatest可快速创建一个vue框架项目同时使用了vue-router路由插件、pinia状态管理插件、axios数据请求插件、echarts可视化插件和element plus等插件其中element plus的ui组件用于设计html页面。四、后端django框架搭建在pycharm中可快速搭建django后端框架。五、功能开发具体功能的实现商业项目开发时前后端由不同的开发人员实现并根据开发文档实现数据接口处理一般的项目可以是设计一个前端页面同时实现一个后端数据接口。首先是进行前台用户首页的开发其次是新闻详情然后是用户注册、登录等接着是用户的评分、修改信息等然后是进行管理员功能的开发最后是进行前台用户的个性化推荐功能实现。六、系统测试主要是进行bug修改推荐算法测试。二、项目展示三、代码展示及运行结果专业长期研究java、python推荐算法基于内容、协同过滤、关联规则、机器学习、深度学习等、大数据、AI开发等欢迎留言、私信互相交流学习后续会不断更新欢迎关注。