网易云音乐推荐系统-Flask+KNN Baseline 协同过滤

项目描述 网易云音乐推荐系统
网易云音乐推荐系统，通过爬虫采集歌单数据，经预处理后格式化为 scikit-surprise 可接受的形式，构建基于协同过滤的音乐推荐服务，并提供 Flask Web 界面进行交互。

项目功能
– 歌单搜索与浏览（按名称检索，展示标签、订阅数）
– 相似歌单推荐（基于 KNN Baseline 模型取 Top-10 邻居）
– 歌单歌曲推荐（对该歌单未包含歌曲做全量预测，输出 Top-15）
– 个性化推荐（用户选多个歌单，按订阅数加权融合画像，输出 Top-15 歌曲）
– 歌单详情下钻（查看歌单内全部歌曲）
– 统计看板（歌单/歌曲/评分总数、热门标签 Top10、订阅数 Top5）
– 推荐结果缓存复用，降低重复计算开销

运行环境
– 操作系统：Windows
– Python 3.11
– 端口：5000（Flask debug 模式）
– 依赖：flask>=2.0、scikit-surprise>=1.1（实测 1.1.5）

项目技术
– 后端：Flask（路由 + JSON API）
– 推荐算法：scikit-surprise 框架
– KNN Baseline 协同过滤（歌单相似度推荐）
– NMF 矩阵分解（歌曲评分预测）
– 数据处理：pickle 序列化、pandas/自定义 Convertor 解析歌单-歌曲映射
– 模型持久化：surprise.dump 加载预训练模型
– 前端：Jinja2 模板 + 静态资源
– 数据来源：爬虫抓取的网易云歌单（popular.playlist、popular.song、popular_music_suprise_format.txt）

以上系统源码经过技术整理与调试，确保能正常运行