当前位置:   article > 正文

计算机毕业设计Hadoop+Spark知识图谱音乐推荐系统 音乐数据分析可视化大屏 音乐爬虫 LSTM情感分析 大数据毕设 深度学习 SpringBoot Vue.js 人工智能 机器学习_springboot调用tensflow

springboot调用tensflow

主要关键技术研究与系统设计实现阶段

第一部分:爬虫爬取音乐数据(网易云音乐网站),作为课题的数据集
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
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
③答辩阶段

 完成答辩PPT及演示视频的编制工作,完成毕业答辩。

2.主要任务

(1)调研了解音乐推荐系统的业务背景和现状,明确要解决的问题和实现技术,制定合理的实施路线,撰写开题报告。

(2)数据采集和处理

  根据音乐推荐系统的目标确定采集数据项,从网易云音乐网站采集音乐数据,进行数据清洗后入库到MySQL数据库中。

(3)数据仓库设计

  结合系统业务目标,设计数据库表,完成系统业务构建。

(4)系统实现功能

音乐大屏幕展示端:用户来源分布统计、歌手排行、歌手数量、歌曲数量、用户数量、播放数量、收藏数量、下载数量、充值金额排行、歌曲排行榜、数据统计图、播放量统计图。
PC端功能:用户注册、短信验证、用户登录、音乐库列表、最热歌曲列表展示、推荐歌曲列表、相似用户列表、收藏列表、金额充值、沙箱支付、知识图谱。
数据爬虫:Python爬虫+机器学习离线分析数据。
(6)毕业设计报告

  在关键技术和原型系统实现基础上,按照学校要求,在规定期间内完成毕业设计报告撰写工作。

3.成果形式

(1)开题报告;

(2)毕业设计报告;

(3)程序源代码含爬虫、前端Vue代码、后端Java代码、虚拟机带组件等;

(4)答辩PPT及项目演示视频(需要展示数据源)。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/Guff_9hys/article/detail/834898
推荐阅读
相关标签
  

闽ICP备14008679号