电影推荐与票房预测系统 | 基于Python+Flask+机器学习算法实现多维度应用毕业设计源码

Ne0inhk

16 Mar 2026 — 16 min read

博主介绍：✌全网粉丝10W+，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、最全计算机专业毕业设计选题大全（建议收藏）✅

🍅✌感兴趣的可以先收藏起来，点赞关注不迷路，想学习更多项目可以查看主页，大家在毕设选题，项目编程以及论文编写等相关问题都可以给我留言咨询，希望可以帮助同学们顺利毕业！🍅✌

1、项目介绍

技术栈
以Python为开发语言，整合Flask框架、MySQL数据库、requests爬虫库、Echarts可视化工具，引入Surprise库KNNWithZScore算法、Stacking集成学习（决策树/Lasso/随机森林/GDBT），搭配HTML实现前端呈现。

功能模块名称

数据采集与存储模块
电影票房预测模块
电影推荐模块
数据可视化展示模块
用户角色与功能分配模块
电影信息管理模块
用户信息管理模块
后台数据管理模块

项目介绍
本项目是基于多技术整合的电影推荐与票房预测系统，聚焦解决用户选片难、行业票房预测盲目等痛点。系统通过requests爬虫采集并清洗电影数据，存储于MySQL数据库；借助Stacking集成学习提升票房预测精度，以KNNWithZScore算法实现个性化推荐；通过Echarts大屏呈现多维度数据；支持三级角色登录，普通用户可获取推荐、浏览电影，管理员负责信息管理，后台管理员维护系统运行，实现“数据-算法-功能”的全流程闭环，兼顾用户体验与行业决策需求。

2、项目界面

（1）电影数据可视化大屏
以多板块布局呈现各类数据：涵盖电影类型数量统计、上映国家分布、年度数量与评分趋势，同时展示参演演员排名、随机电影信息及票房 Top 榜单，通过图表与列表结合的形式直观呈现多维度电影数据，帮助用户快速把握电影行业各维度特征。

（2）电影评论数据可视化分析大屏
以多板块呈现评论相关数据：包含年度评论用户数量统计、评论内容的词云分析，以及最受欢迎电影的分布情况，同时下方展示不同主题的评论关键词词云。通过图表与词云结合的形式，直观呈现评论数据的时间趋势、内容特征及关联电影热度，帮助用户快速把握评论数据的核心特征。

（3）电影数据
以表格形式集中展示电影的多类信息，涵盖编号、名称、评分、上映时间等字段。左侧导航栏支持跳转至分析大屏、预测、推荐等功能模块，既实现了电影信息的统一呈现，也为管理员提供了便捷的信息查阅入口，帮助快速获取结构化的电影数据。

（4）电影票房预测
提供电影选择的下拉交互入口，用户选定目标电影后，系统通过集成学习算法计算并展示对应的票房预测结果。左侧导航栏可跳转至其他功能模块，整体实现了 “选择电影 - 触发预测 - 获取结果” 的简洁流程，为用户提供直观的票房参考。

（5）电影推荐
提供电影选择的下拉入口，用户选定目标电影后，系统通过推荐算法生成对应的 Top10 推荐列表，以表格形式展示推荐电影的多类信息。左侧导航栏可跳转至其他功能模块，整体实现 “选电影 - 获推荐” 的流程，帮助用户快速获取匹配偏好的电影内容。

（6）电影信息管理
提供电影信息的查询（支持下拉筛选）与展示功能，以表格呈现电影多类信息，同时为每条数据配备操作按钮。左侧导航栏可跳转至其他功能模块，管理员通过该模块实现电影信息的增删管理，保障系统内电影数据的及时更新与有序维护。

（7）用户信息管理
支持通过下拉筛选查询用户信息，以表格展示用户名、类型等内容，同时为每条数据配备操作按钮。左侧导航栏可跳转至其他功能模块，管理员通过该模块实现用户信息的查询与维护，保障系统内用户账号的有序管理。

（8）后台数据管理
提供多标签页切换（涵盖电影、票房等数据分类），支持搜索、批量操作及分页浏览，以表格展示数据详情并配备编辑类操作按钮。后台管理员通过该模块实现系统核心数据的集中管理，保障数据的完整与更新，支撑前端功能的稳定运行。

（9）注册登录
提供账号、密码的输入框及登录按钮，同时配备注册账号入口，作为系统的访问入口。用户通过该模块完成身份验证后，可进入对应角色的功能界面，实现系统的权限区分与安全访问，是使用后续功能的前置环节。

3、项目说明

一、技术栈
本项目以Python为核心开发语言，整合Flask框架搭建后端服务，采用MySQL数据库完成数据存储，借助requests爬虫库采集电影相关数据，通过Echarts可视化工具实现数据大屏展示；引入Surprise库KNNWithZScore算法实现电影推荐、Stacking集成学习（决策树/Lasso/随机森林/GDBT）提升票房预测精度，搭配HTML完成前端页面呈现，形成完整的技术体系。

二、功能模块详细介绍
数据采集与存储模块：通过requests爬虫采集电影基础信息、票房、评论等原始数据，经清洗规整后存入MySQL数据库，保障数据的完整性与结构化，为后续算法应用和可视化展示提供数据支撑。
电影票房预测模块：提供电影选择下拉入口，用户选定影片后，系统调用Stacking集成学习算法计算并展示票房预测结果，实现“选片-预测-出结果”的简洁流程，输出直观的票房参考数据。
电影推荐模块：支持用户通过下拉框选定电影，依托KNNWithZScore算法生成Top10推荐列表，以表格形式展示推荐影片的多类信息，帮助用户快速获取匹配偏好的电影内容。
数据可视化展示模块：包含电影数据可视化大屏和评论数据可视化大屏，前者呈现电影类型、上映国家、年度趋势等多维度数据，后者展示评论用户数、词云分析、热门电影分布等内容，通过图表与词云结合的形式直观呈现数据特征。
用户角色与功能分配模块：通过注册登录环节实现身份验证，划分普通用户、管理员、后台管理员三级角色，不同角色对应不同操作权限，保障系统访问安全与功能有序分配。
电影信息管理模块：支持管理员通过下拉筛选查询电影信息，以表格展示数据并配备操作按钮，可完成电影信息的增删管理，确保系统内电影数据及时更新。
用户信息管理模块：管理员可下拉筛选查询用户信息，通过表格呈现账号信息并进行维护操作，实现用户账号的有序管理。
后台数据管理模块：后台管理员可通过多标签页切换管理电影、票房等核心数据，支持搜索、批量操作及分页浏览，保障数据完整与更新，支撑前端功能稳定运行。

三、项目总结
本电影推荐与票房预测系统聚焦解决用户选片难、行业票房预测盲目等核心痛点，构建了“数据采集-算法应用-功能落地”的全流程闭环。系统依托爬虫与数据库实现数据管理，借助机器学习算法提升推荐与预测的精准度，通过可视化大屏直观呈现多维度数据，同时基于角色分配实现精细化的信息管理。从用户端来看，普通用户可便捷获取个性化推荐、查看票房预测；从管理端来看，管理员可维护电影与用户信息，后台管理员保障数据安全，兼顾了用户体验与行业决策需求，实现了技术与业务场景的有效结合。

4、核心代码

import re import os import matplotlib.pyplot as plt import numpy as np import pandas as pd from sklearn.ensemble import RandomForestRegressor, GradientBoostingRegressor from sklearn.metrics import make_scorer, mean_squared_error from sklearn.metrics import r2_score from sklearn.model_selection import GridSearchCV, train_test_split from sklearn.model_selection import KFold from sklearn.tree import DecisionTreeRegressor from sklearn.linear_model import LinearRegression as LR, Lasso import joblib import seaborn as sns model_save_path =r'./app/dataset/testModel/'ifnot os.path.exists(model_save_path): os.makedirs(model_save_path) data = pd.read_csv(r"./app/dataset/ana_result/piaofang_info.csv") data = data.iloc[:,[2,3,4,5,7,9,10,11]] X = data.iloc[:,0:7] y = data.iloc[:,7].apply(lambda x: x /10000)# 标签经过 log1p 转换，使其更偏向于正态分布 y = np.log1p(y)# 数据集划分 train_X, test_X, train_y, test_y = train_test_split(X, y, test_size=0.2, random_state=1) oof_df = pd.DataFrame() test_oof_df = pd.DataFrame()defperformance_metric(y_true, y_predict):""" Calculates and returns the performance score between true and predicted values based on the metric chosen. """# 计算 'y_true' 与 'y_predict' 的r2值 score = r2_score(y_true, y_predict)# 返回这一分数return score deffit_dtr_model(X, y): cross_validator = KFold(n_splits=5) regressor = DecisionTreeRegressor(random_state=1)# Create a dictionary for the parameter 'max_depth' with a range from 1 to 10 params ={'max_depth':[i for i inrange(1,11)]}# Transform 'performance_metric' into a scoring function using 'make_scorer' scoring_fnc = make_scorer(performance_metric)# Create the grid search cv object --> GridSearchCV() grid = GridSearchCV(regressor, params, scoring=scoring_fnc, cv=cross_validator)# Fit the grid search object to the data to compute the optimal model grid = grid.fit(X, y) dtr_max_depth = grid.best_estimator_.get_params()['max_depth']# Return the optimal model after fitting the datareturn dtr_max_depth deffit_decision_tree_model_forcast():# 进行决策树预测模型的训练 dtr_max_depth = fit_dtr_model(X, y) dtr_regressor = DecisionTreeRegressor(max_depth=dtr_max_depth) dtr_regressor.fit(X, y) pred_y = dtr_regressor.predict(test_X) test_oof_df['dtr']= pred_y r2_score = performance_metric(test_y, pred_y) rmse_score = np.sqrt(mean_squared_error(pred_y, test_y))print('决策树回归模型评价指标为：')print("The R2 score is ", r2_score)print('均方差', rmse_score) joblib.dump(dtr_regressor, model_save_path +'dtr_model.pkl')return rmse_score deffit_lasso_model_forcast():# 进行Lasso预测模型的训练 lasso_regressor = Lasso() lasso_regressor.fit(X, y) pred_y = lasso_regressor.predict(test_X) test_oof_df['lasso']= pred_y r2_score = performance_metric(test_y, pred_y) rmse_score = np.sqrt(mean_squared_error(pred_y, test_y))print('Lasso回归模型评价指标为：')print("The R2 score is ", r2_score)print('均方差', rmse_score) joblib.dump(lasso_regressor, model_save_path +'lasso_model.pkl')return rmse_score deffit_random_forest_regression_model(): rf_model = RandomForestRegressor() rf_model.fit(X, y) pred_y = rf_model.predict(test_X) test_oof_df['rf']= pred_y r2_score = performance_metric(pred_y, test_y) rmse_score = np.sqrt(mean_squared_error(pred_y, test_y))print('随机森林模型评价指标为：')print("The R2 score is ", r2_score)print('均方差', rmse_score) joblib.dump(rf_model, model_save_path +'rf_model.pkl')return rmse_score deffit_gdbt_model(): gdbt_model = GradientBoostingRegressor() gdbt_model.fit(X, y) pred_y = gdbt_model.predict(test_X) test_oof_df['gdbt']= pred_y r2_score = performance_metric(pred_y, test_y) rmse_score = np.sqrt(mean_squared_error(pred_y, test_y))print('GDBT模型评价指标为：')print("The R2 score is ", r2_score)print('均方差', rmse_score) joblib.dump(gdbt_model, model_save_path +'gdbt_model.pkl')return rmse_score deffit_stacking_model(): lr_model = LR() lr_model.fit(test_oof_df, test_y) pred_y = lr_model.predict(test_oof_df) r2_score = performance_metric(pred_y, test_y) rmse_score = np.sqrt(mean_squared_error(pred_y, test_y))print('Staking模型评价指标为：')print("The R2 score is ", r2_score)print('均方差', rmse_score) joblib.dump(lr_model, model_save_path +'stacking_model.pkl')return rmse_score defforcast_piaofang(para): para = pd.DataFrame(para)# 加载决策树预测模型 dtr_model = joblib.load(model_save_path +'dtr_model.pkl') dtr_pred = dtr_model.predict(para)print("决策树预测票房%s万"% np.expm1(dtr_pred[0]))# 加载Lasso预测模型 lasso_model = joblib.load(model_save_path +'lasso_model.pkl') lasso_pred = lasso_model.predict(para)print("Lasso预测票房%s万"% np.expm1(lasso_pred[0]))# # 加载随机森林预测模型 rf_model = joblib.load(model_save_path +'rf_model.pkl') rf_pred = rf_model.predict(para)print("随机森林预测票房%s万"% np.expm1(rf_pred[0]))# 加载GDBT预测模型 gdbt_model = joblib.load(model_save_path +'gdbt_model.pkl') gdbt_pred = gdbt_model.predict(para)print("GDBT预测票房%s万"% np.expm1(gdbt_pred[0]))# return [dtr_pred, lr_pred]return[[dtr_pred[0], lasso_pred[0], rf_pred[0], gdbt_pred[0]]]

核心代码块二：

# 用于训练多个模型并计算它们的 RMSE（均方根误差）分数，并将结果保存到一个 CSV 文件中。deftrain_model(): dtr_rmse = fit_decision_tree_model_forcast()# 决策树 lasso_rmse = fit_lasso_model_forcast()# Lasso rf_rmse = fit_random_forest_regression_model()# 随机森林 gdbt_rmse = fit_gdbt_model()# GDBT lr_rmse = fit_stacking_model()# 将返回的堆叠模型的 RMSE 分数赋值给变量lr_rmse rmse_result = pd.DataFrame(index=["决策树","Lasso","随机森林","GDBT","Stacking"]) rmse_result['rmse_score']=[dtr_rmse, lasso_rmse, rf_rmse, gdbt_rmse, lr_rmse]# 将之前计算得到的各个模型的 RMSE 分数添加到rmse_result数据帧中的rmse_score列中。 rmse_result.to_csv("../dataset/testModel/rmse_result.csv", encoding='utf-8', index=False)#将rmse_result数据帧保存为一个 CSV 文件deftest_model():# 1965, 12, 8.9, 1, 3, 29, 132# 1295124,辛德勒的名单,1993,11,9.6,3,"['剧情', '历史', '战争']",1,['美国'],48,195,322161245# 10876425,印式英语,2023,02,8.1,3,"['剧情', '喜剧', '家庭']",1,['印度'],13,133,10299150# 35267208,流浪地球2,2023,01,8.4,3,"['科幻', '冒险', '灾难']",1,['中国大陆'],50,173,8394962 test_para = pd.DataFrame([[2022,2,8.4,3,1,50,173]]) test_piaofang =8394962/10000print("真实票房%s万"% test_piaofang) pred_list = forcast_piaofang(test_para)# 加载线性回归预测模型 stacking_model = joblib.load(model_save_path +'stacking_model.pkl') piaofang = stacking_model.predict(pred_list)[0] piaofang =round(np.expm1(piaofang),2)print("Stacking预测票房%s万"% piaofang)return piaofang defforcast(para_list):# 根据传入的参数列表，进行票房预测 pred_list = forcast_piaofang(para_list)# 加载线性回归预测模型 stacking_model = joblib.load(model_save_path +'stacking_model.pkl') piaofang = stacking_model.predict(pred_list)[0] piaofang =round(np.expm1(piaofang),2)print("Stacking预测票房%s万"% piaofang)return"预测票房%s万(美元)"% piaofang defvis_relation(x1, y1, name1): fig = plt.figure(1, figsize=(9,5))# plt.plot([0,400000000],[0,400000000],c="green") plt.scatter(x1, y1, c=['green'], marker='o') plt.grid() plt.xlabel("piaofang", fontsize=10) plt.ylabel(name1, fontsize=10) plt.title("Link between piaofang and %s"%name1, fontsize=10) plt.savefig('../dataset/pictures/piaofang_%s.png'%name1) plt.close()# 分析票房预测使用的所有属性与票房之间的关系并绘制散点图，分析所有属性之间的相关度绘制热力图defana_columns(): year_list =list(data.iloc[:,0]) month_list =list(data.iloc[:,1]) rating_list =list(data.iloc[:,2]) movie_type_count_list =list(data.iloc[:,3]) country_count_list =list(data.iloc[:,4]) actor_count_list =list(data.iloc[:,5]) runtime_list =list(data.iloc[:,6]) piaofang_list =list(data.iloc[:,7]) vis_relation(piaofang_list, year_list,'year') vis_relation(piaofang_list, month_list,'month') vis_relation(piaofang_list, rating_list,'rating') vis_relation(piaofang_list, movie_type_count_list,'movie_type_count') vis_relation(piaofang_list, country_count_list,'country_count') vis_relation(piaofang_list, actor_count_list,'actor_count') vis_relation(piaofang_list, runtime_list,'runtime')# 相关关系可视化 col =['year','month','rating','movie_type_count','country_count','actor_count','runtime','piaofang'] plt.subplots(figsize=(14,10)) corr = data.corr()print(corr) corr.to_csv("../dataset/ana_result/piaofang_info_corr.csv", encoding='utf-8') sns.heatmap(corr, xticklabels=col, yticklabels=col, linewidths=.5, cmap="Reds") plt.savefig('../dataset/pictures/corr.png')if __name__ =='__main__':# 四个机器学习算法构建票房预测模型，然后Stacking集成所有的算法模型，构建最终的票房预测模型 train_model()# 模型测试 piaofang = test_model()# 分析票房预测使用的所有属性与票房之间的关系并绘制散点图，分析所有属性之间的相关度绘制热力图 ana_columns()