黄河科技学院本科毕业设计 任务书

   工   学部   大数据与计算机应用   科教中心    计算机科学与技术 专业

 2018 级普本1/专升本1班 学号           学生         指导教师    

毕业设计题目

                      基于实时音乐数据挖掘的个性化推荐系统设计与优化         

毕业设计工作内容与基本要求（目标、任务、途径、方法，应掌握的原始资料（数据）、参考资料（文献）以及设计技术要求、注意事项等）

一、设计的目标和任务                                                   

• 第一部分：爬虫爬取音乐数据(网易云音乐网站)，作为测试的数据集。
• 第二部分：离线推荐系统：python+机器学习离线推荐(基于物品的协同过滤算法，相似度衡量方法：皮尔逊相似度) ，必要时可以集成算法框架比如tensflow pytroch等，推荐结果通过pymysql写入mysql。同时当出现算法精准度低、计算速度慢时可以优化参数、算法逻辑、数据库索引等提升推荐算法的效率。
• 第三部分：在线应用系统: springboot进行在线推荐 vue.js构建推荐页面(含知识图谱)。
• 第四部分：使用Spark构建大屏统计。

                                                                 

                                                                      

二、设计途径和方法                                                             

•   Selenium自动化Python爬虫工具采集网易云音乐、评论数据约1000万条存入.csv文件作为数据集；
• 使用pandas+numpy或MapReduce对数据进行数据清洗，生成最终的.csv文件并上传到hdfs；
• 使用hive数仓技术建表建库，导入.csv数据集；
• 离线分析采用hive_sql完成，实时分析利用Spark之Scala完成;
• 统计指标使用sqoop导入mysql数据库；
• 使用springboot+vue.js+echarts进行可视化大屏开发；
• 使用基于物品的协同过滤算法，相似度衡量方法：皮尔逊相似度等算法实现个性化音乐推荐并进行参数优化、算法二次开发升级；
• 使用卷积神经网络KNN、CNN实现音乐流量预测；
• 搭建springboot+vue.js前后端分离web系统进行个性化推荐界面、流量预测界面、知识图谱等实现；

                                                            

                                                                       

三、应掌握的原始资料和技术                                                     

• 前端技术方案：登录vue官网，效仿案例Demo完成基本语法的入门，熟悉后积累本系统需要的开发组件，封装成.vue文件来回复用。学习vue.js前端框架，寻找符合本系统的框架，引入后完成页面开发。
• 后端技术方案：选用Springboot作为后端开发框架，相比SSM简洁高效，语法灵活，更适合小白新手快速入手，如Python开发中的Flask框架一样简单方便；
• 数据库技术方案：去CSDN寻找音乐推荐系统相关的建表经验，以多个系统建表的方案为依托，安装mysql,学习mysql语法，把数据库完整创建好；
• 爬虫技术方案：使用网易云代理站点完成数据爬取，包括音乐信息、评论、歌词等，主要运用Python爬虫技术，包括selenium、requests等；
• 推荐算法技术方案：充分研究协同过滤算法基于用户、基于物品两种实现，以及算法冷却问题，使用Python熟悉算法的调用过程，把调用代码集成到系统中，实现个性化音乐推荐.同时对算法参数、工作逻辑进行优化提升推荐效率；

     （六）大数据技术方案：搭建hadoop、spark、hive大数据环境，进行数据可视化分析；                                                     

                                                                      

四、进度安排                                                          

    第1周：查阅相关资料，完成文献综述。                              

    第2周：结合课题要求，提交开题报告，并完成开题答辩。              

    第3～5周：进行系统分析、总体设计和详细设计。                    

    第6～9周：实现系统编码、调试及软件测试。撰写毕业设计。      

    第10～12周：修改毕业设计至定稿，资格审查。                  

    第13～14周：毕业设计答辩及资料归档。                                                                                                                 

五、参考文献                                                             

[1]LAWRENCERD, ALMASIGS, KOTLYARV, et al. Personalization of supermarket product recommendations[ R]. IBM Research Report,2020(7):173-181

[2]徐小伟. 基于信任的协同过滤推荐算法在电子商务推荐系统的应用研究. 东华大学. 2023

[3] 吴正洋. 个性化学习推荐研究. 华南师范大学期刊.2021

[4]李雪. 基于协同过滤的推荐系统研究. 吉林大学. 2020

[5]《数据库系统概论》[M],高等教育出版社. 2020

[6]马建红.JSP应用与开发技术.第三版.清华大学出版社.2022

[7] JavaEE架构设计与开发实践[M],方巍著:清华大学出版社.2022.1

[8] Spring Boot编程思想核心篇[M],小马哥著:电子工业出版社.2023.4

[9] Spring Boot开发实战M].吴胜著:清华大学出版社.2023.6

[10]Oleg Sukhoroslov. Building web-based services for practical exercises in parallel and distributed computing[J]. Journal of Parallel and Distributed Computing.2023.

六、注意事项                                                          

    （1）对于开发过程中遇到的问题注重自己查阅资料寻找解决方案，同时，多和导师沟通交流解决。                                                          

    （2）寻找同类系统进行对比学习和参考，提高开发效率。                                                                       

毕业设计时间： 2022年 12 月 19 日至 2023年 5 月 13 日

计划答辩时间： 2023年  5 月 13 日

工作任务与工作量要求：原则上查阅文献资料不少于12篇，其中外文资料不少于2篇；文献综述不少于3000字；毕业论文或设计说明书不少于8000字（同时提交有关图纸和附件）。毕业设计（论文）撰写规范及有关要求，请查阅《黄河科技学院本科毕业设计（论文）指导手册》。

专业教研室审批意见：

审批人（签字）：

核心算法代码分享如下：

# -*- codeing = utf-8 -*-
# Author: Tesla Tech
# XX:  XXXX
# @Time: 2022/4/29 12:10
# @Author: Administrator
# @File: comment.py
# @Desc: 获取歌曲评论
import random
from time import sleepimport pandas as pd
from util import db, getLyric, getCommentdef init():print('初始化爬取任务表')df = pd.read_sql("select songId, songName from tb_song where songId not in (select songId from tb_task)", con=db)df.to_sql(name="tb_task", con=db, if_exists='append', index=False)print('初始化完成,新增歌曲爬取任务:' + str(df.shape[0]))def spider():print('开始评论爬取...')df = pd.read_sql("select songId from tb_task where status_comment='0' limit 1000", con=db)# print(df.values.tolist())# getComment('65766')i = 0for id in df.values.tolist():i = i+1print('index=',i,',songId=', id)sleeptime = random.randint(10, 20)sleep(sleeptime)getComment(id[0])if i%10 == 0:print('休息4分钟...')sleep(240)print('评论爬取结束...')if __name__ == '__main__':# init()spider()# getLyric('66842')