个人简介

一名14年经验的资深毕设内行人，语言擅长Java、php、微信小程序、Python、Golang、安卓Android等

开发项目包括大数据、深度学习、网站、小程序、安卓、算法。平常会做一些项目定制化开发、代码讲解、答辩教学、文档编写、也懂一些降重方面的技巧。

感谢大家的关注与支持！

各位老师好，我是 19 级大数据 2 班的 xx 同学。我的题目是“基于 Spark 的电影推荐系统”。系统用 Python 爬取豆瓣电影数据，经 Spark 分布式清洗后存入 MySQL；后台用 SpringBoot 提供接口，前台用 Vue+ECharts 做可视化。核心模块分三块：热门影片排行、近期上映提醒、个性化推荐。推荐端采用 Spark MLlib 的 ALS 协同过滤算法，每分钟增量训练，实时刷新“猜你喜欢”。整个技术栈就是“爬虫 + Spark + MySQL + SpringBoot + Vue”，跑在 3 节点伪分布式环境，后续会补充离线评估与 A/B 测试。下面请各位老师批评指正。

评委老师：为什么选择 Spark 而不是直接用 Python 的 scikit-learn 做推荐？
答辩学生：scikit-learn 是单机版，10 万条以上评分数据我的笔记本就跑不动了；Spark 把 ALS 算法做成了分布式，3 台旧电脑拼一起 2 分钟就能跑完 600 万条评分，后期扩容也方便，所以选 Spark。

评委老师：系统冷启动问题怎么解决？新用户没有评分怎么办？
答辩学生：前 3 分钟让新用户选 5 个喜欢类型，我用类型均分做临时画像，先推热门里对应类型的片子；等他产生 10 条真实评分后再切换回 ALS 个性化模型，基本能覆盖冷启动。

评委老师：数据存在哪里？表结构怎么设计的？
答辩学生：用 MySQL，最简单两张表：movie 表存 id、片名、类型、平均分；rating 表存 userId、movieId、score、timestamp。推荐结果再写一张 recommend 表，主键用户 id，字段是逗号分隔的 Top10 电影 id，前端直接读。

评委老师：怎么评价推荐效果？准备看什么指标？
答辩学生：先离线看 RMSE，目标把评分预测误差压到 0.9 分以内；再上线做 7 天 A/B 测试，对比“推热门”和“ALS 推荐”的日均点击率，只要提升 5% 以上就算达标。

评委老师：计划 2025 年 5 月才答辩，现在进度到哪一步？
答辩学生：爬虫和 Spark 清洗已跑通，MySQL 里已有 8 万部电影、600 万条评分；ALS 模型离线 RMSE 0.88，Vue 前台刚搭好首页，下一步把接口联调完就做在线测试。

评委老师评价：
xx 同学选题贴近实际，技术路线清晰，对冷启动、效果评估等关键问题有具体对策，进度也符合 2025 年时间表。后续注意补充实验对比图和量化结果，继续完善前端交互，按计划推进即可。

以上是某同学的毕业设计答辩的过程，如果你现在还没有参加答辩，还是开题阶段，已经选好了题目不知道怎么写开题报告，可以下面找找有没有自己符合自己题目的开题报告内容，列表中的开题报告都是往届真实的开题报告，可发送使用或参考。文末或底部来联xi可免费获取

最后

有时间和有基础的同学，建议自己多花时间找一下资料（开题报告、源码）自己独立完成毕设，需要开题报告内容、源码参考的，可以联xi博主，没有选题的也可以联系我们进行帮你选题、定功能和建议。