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

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）。