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 sleep
import pandas as pd
from util import db, getLyric, getComment
def 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 = 0
for id in df.values.tolist():
i = i+1
print('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')
