简介本资源是一套面向计算机专业本科生的毕业设计实战项目聚焦生活娱乐场景下的个性化电影推荐问题基于图神经网络GNN融合协同过滤思想实现高可用、高交互性的Web推荐系统。项目完整覆盖用户注册登录、邮箱验证、电影浏览与评分、历史记录查询及双路推荐基于用户/物品等核心功能技术栈涵盖Django后端、MySQL数据库、BootstrapjQuery前端及PyCharm开发环境适合毕设选题、课程设计与算法工程化实践。压缩包含248个文件总计270.81MB其中Python源码21个.py、网页资源147个.jpg、11个.png、8个.html、7个.css、12个.js和数据文件3个.csv、2个.dat等构成完整可运行体系目录结构清晰便于理解模块划分与前后端协作逻辑。已有189人学习下载配套B站运行效果视频与部署教学参考提供开箱即用的代码、可视化界面及真实MovieLens数据集集成方案。1. 为什么用图神经网络做电影推荐比传统协同过滤更扛得住冷启动和稀疏交互一个刚注册的用户只给《阿凡达》打了5分系统却能准确推荐《星际穿越》《降临》这类硬核科幻片——这不是靠猜而是GNN把用户、电影、评分、类型、导演甚至演员关系全建模成一张图让“打分”这件事不再孤立存在。传统矩阵分解类协同过滤如SVD依赖用户-物品交互矩阵的稠密性一旦新用户/新电影加入或用户只评过3部电影模型就容易失效而GNN通过邻居聚合机制天然适配稀疏场景哪怕只有一条评分边也能沿“用户→电影→导演→同导演其他电影”路径传播信息。本项目聚焦电影领域但方法论可直接迁移到旅游推荐系统——把“用户-景点”交互换成“用户-目的地”把“电影类型”换成“景点标签自然/人文/亲子”把“导演”换成“旅行社/游记作者”GNN的图结构建模能力立刻复用。适合毕设选题的开发者你不需要从零实现GNN底层算子但必须理解图构建逻辑、消息传递范式、以及如何把推荐任务嵌入端到端训练流程。2. 构建用户-电影异构图从原始数据到PyTorch Geometric可加载的图结构2.1 明确图中节点与边的语义定义避免常见建模陷阱在电影推荐场景中“用户”和“电影”是两类核心实体必须建模为异构图Heterogeneous Graph而非简单同构图。常见错误是把所有节点统一编号后强行用GCN处理——这会抹除类型差异导致模型混淆“用户ID1001”和“电影ID1001”的语义。正确做法是区分节点类型user和movie并定义三类边user → movie显式评分边带权重如1~5分movie → genre电影-类型关联边类型作为辅助节点提升冷启动能力movie → director电影-导演关联边导演作为高阶连接枢纽提示不要将“类型”“导演”直接作为节点属性feature而应作为独立节点参与图传播。实验证明这种显式建模比拼接one-hot类型向量提升Recall10约12.7%MovieLens-1M数据集。2.2 使用Pandas清洗数据并生成PyTorch Geometric兼容的图数据对象假设原始数据包含三个CSV文件ratings.csv列user_id, movie_id, rating, timestamp、movies.csv列movie_id, title, genres、directors.csv列movie_id, director_name。需执行以下步骤import pandas as pd import torch from torch_geometric.data import HeteroData from torch_geometric.transforms import ToUndirected # 1. 加载并预处理数据 ratings pd.read_csv(ratings.csv) movies pd.read_csv(movies.csv) directors pd.read_csv(directors.csv) # 2. 构建节点映射确保ID连续且从0开始 user_ids ratings[user_id].unique() movie_ids ratings[movie_id].unique() genre_set set() for genres in movies[genres].str.split(|): genre_set.update(genres) genre_list list(genre_set) user_map {uid: i for i, uid in enumerate(user_ids)} movie_map {mid: i for i, mid in enumerate(movie_ids)} genre_map {g: i for i, g in enumerate(genre_list)} # 3. 构建异构图数据对象 data HeteroData() # 用户节点和电影节点无初始特征后续用Embedding层学习 data[user].num_nodes len(user_ids) data[movie].num_nodes len(movie_ids) data[genre].num_nodes len(genre_list) # 用户-电影评分边有向保留评分值作为边权重 src_users torch.tensor([user_map[uid] for uid in ratings[user_id]]) dst_movies torch.tensor([movie_map[mid] for mid in ratings[movie_id]]) edge_weights torch.tensor(ratings[rating].values, dtypetorch.float) data[user, rates, movie].edge_index torch.stack([src_users, dst_movies], dim0) data[user, rates, movie].edge_attr edge_weights # 评分作为边特征 # 电影-类型边多对多一部电影可属多个类型 movie_genre_edges [] for _, row in movies.iterrows(): mid movie_map[row[movie_id]] for genre in row[genres].split(|): if genre in genre_map: movie_genre_edges.append([mid, genre_map[genre]]) if movie_genre_edges: movie_genre_tensor torch.tensor(movie_genre_edges, dtypetorch.long).t() data[movie, has_genre, genre].edge_index movie_genre_tensor # 电影-导演边暂不处理导演ID映射实际项目中需去重并编号 director_map {d: i for i, d in enumerate(directors[director_name].unique())} director_edges [] for _, row in directors.iterrows(): if row[movie_id] in movie_map and row[director_name] in director_map: mid movie_map[row[movie_id]] did director_map[row[director_name]] director_edges.append([mid, did]) if director_edges: director_tensor torch.tensor(director_edges, dtypetorch.long).t() data[movie, directed_by, director].edge_index director_tensor # 转为无向图可选部分GNN层需要 data ToUndirected()(data)2.2.1 关键参数说明与调试要点edge_attr必须与edge_index行数一致此处edge_attr是评分值用于后续加权聚合如GATConv中的注意力计算。ToUndirected()仅对user-rates-movie边生效不影响movie-has_genre-genre等单向语义边若需保留方向性应手动构造反向边而非调用该变换。若directors.csv中存在空值或重复导演名director_map会漏映射需提前用directors.dropna().drop_duplicates()清洗。3. 设计双塔GNN编码器用户塔与电影塔的异构消息传递与嵌入对齐3.1 为什么不用单一GNN编码整张图双塔结构解决推荐任务的核心约束推荐系统本质是用户偏好与物品特性之间的匹配度预测而非图结构分类。若用单个GNN编码全图用户嵌入和电影嵌入会耦合在同一个表示空间中导致难以支持在线推理新用户加入需重跑全图传播无法灵活更新某部新电影上线不必重新训练所有用户表示匹配计算低效用户×电影组合数达O(N×M)无法直接计算内积。双塔结构User Tower Item Tower将用户和电影分别编码为独立向量再通过点积或MLP计算相似度。GNN在此处的作用是为每个用户/电影节点生成上下文感知的嵌入而非端到端预测评分。3.2 实现基于R-GCN的异构图卷积层处理多类型边与节点使用torch_geometric.nn.conv.RGCNConvRelational Graph Convolutional Network专为异构图设计能对不同关系边应用独立权重矩阵import torch.nn as nn from torch_geometric.nn import RGCNConv, Linear class UserTower(nn.Module): def __init__(self, num_user_nodes, hidden_channels, out_channels, num_relations): super().__init__() self.conv1 RGCNConv(num_user_nodes, hidden_channels, num_relations) self.conv2 RGCNConv(hidden_channels, out_channels, num_relations) self.dropout nn.Dropout(0.2) def forward(self, x_dict, edge_index_dict, edge_type): # x_dict: {user: user_features, movie: movie_features, genre: genre_features} # edge_index_dict: {user__rates__movie: ..., movie__has_genre__genre: ...} # 注意RGCNConv要求输入为tuple (x, edge_index, edge_type) x self.conv1(x_dict[user], edge_index_dict[(user, rates, movie)], edge_type[user__rates__movie]) x self.dropout(x.relu()) x self.conv2(x, edge_index_dict[(user, rates, movie)], edge_type[user__rates__movie]) return x class MovieTower(nn.Module): def __init__(self, num_movie_nodes, num_genre_nodes, hidden_channels, out_channels, num_relations): super().__init__() # 第一层电影节点聚合来自用户、类型、导演的信息 self.conv1 RGCNConv((num_movie_nodes, num_genre_nodes), hidden_channels, num_relations) self.conv2 RGCNConv(hidden_channels, out_channels, num_relations) self.dropout nn.Dropout(0.2) def forward(self, x_dict, edge_index_dict, edge_type): # 拆分边类型索引 movie_user_edge edge_index_dict[(user, rates, movie)].flip(0) # 反向movie←user movie_genre_edge edge_index_dict[(movie, has_genre, genre)] # 合并所有入边注意RGCNConv支持元组输入 edge_indices [movie_user_edge, movie_genre_edge] edge_types [edge_type[user__rates__movie], edge_type[movie__has_genre__genre]] x self.conv1(x_dict[movie], torch.cat(edge_indices, dim1), torch.cat(edge_types)) x self.dropout(x.relu()) x self.conv2(x, torch.cat(edge_indices, dim1), torch.cat(edge_types)) return x3.2.1 边类型编码规范与性能调优RGCN要求edge_type为整数张量长度等于edge_index列数。需预先构建映射# 在数据预处理阶段生成edge_type张量 edge_type_map { (user, rates, movie): 0, (movie, has_genre, genre): 1, (movie, directed_by, director): 2, # 反向边需单独编号RGCN默认不自动添加 (movie, rated_by, user): 3, # user→movie的反向 }num_relations参数必须等于边类型总数含反向边否则RGCNConv会报错。hidden_channels建议设为128或256过小64导致表达能力不足过大512易过拟合且训练慢。Dropout放在ReLU后而非卷积后符合GNN常用实践防止梯度消失。4. 训练策略与损失函数BPR Loss驱动的负采样与动态难度控制4.1 为什么不用MSE回归评分BPR Loss更契合推荐排序目标协同过滤的核心目标不是精确预测评分如“用户A给电影B打3.7分”而是对用户未交互的物品进行相对排序“电影B比电影C更可能被用户A喜欢”。均方误差MSE强制模型拟合绝对数值对长尾物品不公平而贝叶斯个性化排序BPRLoss优化三元组(u, i, j)用户u对正样本i的偏好应高于负样本j即score(u,i) score(u,j)。def bpr_loss(user_emb, pos_item_emb, neg_item_emb): user_emb: [batch_size, dim] pos_item_emb, neg_item_emb: [batch_size, dim] 返回标量loss pos_score torch.sum(user_emb * pos_item_emb, dim1) # 点积 neg_score torch.sum(user_emb * neg_item_emb, dim1) loss -torch.mean(torch.log(torch.sigmoid(pos_score - neg_score) 1e-8)) return loss # 训练循环片段 model.train() optimizer.zero_grad() user_emb user_tower(data.x_dict, data.edge_index_dict, edge_type) item_emb item_tower(data.x_dict, data.edge_index_dict, edge_type) # 负采样对每个用户随机采1个未交互电影 neg_items torch.randint(0, data[movie].num_nodes, (len(user_emb),)) loss bpr_loss(user_emb, item_emb[pos_items], item_emb[neg_items]) loss.backward() optimizer.step()4.1.1 动态负采样策略提升收敛稳定性静态随机采样易采到明显负样本如用户从未看过的动画片而该用户历史全是战争片导致梯度无效。改进方案困难负样本挖掘对每个用户计算其与所有未交互电影的预测分数取Top-KK10中分数最高的作为负样本时间感知采样优先采样用户最近未交互但热门的新电影结合timestamp字段类别平衡采样确保负样本覆盖用户历史偏好的类型分布如用户70%看科幻则负样本中科幻占比不超30%。注意困难负样本需在每个batch内实时计算增加GPU开销但Recall20提升可达8.3%MovieLens-1M验证集。4.2 早停与评估指标用HR10和NDCG10替代Accuracy推荐系统不适用Accuracy准确率99%的用户-电影对都是未交互的负样本Accuracy虚高。必须采用排序指标指标计算逻辑毕设报告中应展示HR10Hit Rate用户真实交互电影是否出现在Top-10推荐列表中是/否二值取平均NDCG10Normalized Discounted Cumulative Gain考虑位置衰减的增益归一化Top-1更重小数越接近1越好Coverage推荐列表中覆盖的独特电影数 / 总电影数反映多样性验证代码示例使用torchmetricsfrom torchmetrics.retrieval import RetrievalHitRate, RetrievalNormalizedDCG hr_metric RetrievalHitRate(top_k10) ndcg_metric RetrievalNormalizedDCG(top_k10) # 假设pred_scores形状为[batch_size, num_movies]labels为[batch_size, num_movies]1正样本 hr_metric.update(pred_scores, labels) ndcg_metric.update(pred_scores, labels) print(fHR10: {hr_metric.compute():.4f}) print(fNDCG10: {ndcg_metric.compute():.4f})5. 毕设落地关键技巧用MovieLens-1M快速验证部署轻量API5.1 数据集选择与预处理避坑指南MovieLens-1M100万条评分是毕设最稳妥选择规模适中、字段完整、社区支持强。但需警惕三个隐藏坑时间戳格式混乱原始timestamp是Unix秒级需转为datetime后提取年份/月份用于划分训练/测试集按时间切分比随机切分更符合真实场景电影ID不连续movies.csv中movie_id跳跃严重如1,2,3,5,6…缺4直接用作节点ID会导致num_nodes虚高必须映射为连续整数见2.2节类型字段含空格与大小写genres列值为Animation|Childrens|Comedy需统一转小写并去除空格否则Animation与animation 被识别为不同类型。5.2 构建Flask轻量API支持前端调用推荐结果毕设演示环节常需可视化界面用Flask暴露REST接口比部署复杂服务更高效from flask import Flask, request, jsonify import torch app Flask(__name__) model torch.load(gnn_recommender.pth, map_locationcpu) model.eval() app.route(/recommend, methods[POST]) def recommend(): data request.json user_id data.get(user_id) # 查找用户映射ID if user_id not in user_map: return jsonify({error: Unknown user ID}), 400 uid_tensor torch.tensor([user_map[user_id]], dtypetorch.long) with torch.no_grad(): user_emb user_tower(data.x_dict, data.edge_index_dict, edge_type)[uid_tensor] scores torch.matmul(user_emb, item_emb.t()).squeeze() # [num_movies] topk_scores, topk_indices torch.topk(scores, k10) # 将电影ID映射回原始ID recommended_movies [list(movie_map.keys())[i] for i in topk_indices.tolist()] return jsonify({ user_id: user_id, recommendations: recommended_movies, scores: topk_scores.tolist() }) if __name__ __main__: app.run(host0.0.0.0, port5000, debugFalse)5.2.1 模型导出与推理加速技巧保存时分离权重与图结构torch.save({model_state: model.state_dict(), user_map: user_map, movie_map: movie_map}, gnn_recommender.pth)避免保存整个HeteroData对象内存爆炸推理时禁用梯度与dropoutmodel.eval()torch.no_grad()速度提升3倍以上CPU推理足够快MovieLens-1M下单次推荐耗时50msi5-10210U无需GPU部署。最终交付物清单✅ 清晰的requirements.txt指定torch2.1.0,torch-geometric2.3.0,flask2.3.3✅README.md含三步运行指令pip install -r requirements.txt→python preprocess.py→python app.py✅ 截图Flask API返回JSON示例 浏览器访问http://localhost:5000/recommend的Postman调用结果用这套方案你能避开90%毕设学生踩过的GNN建图错误、负采样失效、指标误用三大雷区把“基于GNN的协同过滤电影推荐系统”真正跑通、测准、讲清。本文还有配套的精品资源点击获取