随着互联网的普及和游戏市场的快速发展游戏数据已经成为了解玩家行为、市场需求和行业趋势的重要资源。为了更好地分析游戏热度本文开发了一款基于机器学习的个性化游戏推荐系统。首先通过selenium爬虫库获取到STEAM游戏网站关于游戏的数据包括有游戏的内容评论的内容玩家的性别游戏时长等数据。然后通过Echarts展示游戏列表和简介玩家年龄统计玩家受教育程度统计游戏时长统计等可视化数据。另外当用户收藏游戏的时候系统会根据协同过滤算法机器学习训练的模型给出推荐的游戏列表信息。总的来说该系统通过整合Python编程语言、Django框架、MySQL数据库、Hadoop分布式计算平台、Vue前端框架和ECharts图表库等技术实现了对STEAM游戏数据的全面分析和可视化。希望通过这款系统开发商可以更好地了解玩家喜好和市场趋势为游戏开发和营销提供有力支持。根据以上的功能需求情况整体的功能模块包括有前台vue项目后台项目包括django后端项目模块和爬虫模块。前台vue的页面主要页面包括注册与登录页面数据可视化展示页面爬虫模块主要用来爬取STEAM网的相关数据信息的通过使用hadoop进行数据的存储django后台用来提供前台所用的json数据。其中游戏推荐功能的实现是基于机器学习功能之后的应用阶段。用户进入本系统可查看系统首页信息展示的可视化数据包括有游戏列表和简介玩家年龄统计玩家受教育程度统计游戏时长统计等。主页中的图标数据主要是通过Echarts框架的功能只需要创建对应的实体类便可以获取对应的展示信息。