电影推荐系统需求分析

[@在下刘某人]

1.项目概述

随着人们娱乐的发展，精神娱乐显得尤为重要，电影作为一项普及的精神娱乐，越来越受到人们的重视。但是,如何在海量的电影中找到满足自己喜爱的电影却成为一个难题。个性化推荐算法应运而生，它就是来解决如何在海量信息中寻找关键点，向用户推荐出符合用户要求的信息。对于一个推荐系统来说,如何记录用户历史信息并利用这些历史信息分析用户行为并预测用户潜在感兴趣的内容是本系统研究的重点。本文的主要研究内容就是帮助用户从海量电影信息中解脱出来，自动的向用户推荐出用户感兴趣的电影，避免让用户陷入过多信息干扰。
本工程设计对电影推荐系统的业务需求进行调研。在需求分析的基础上进行模块设计、总体框架设计、推荐算法设计，并在此基础上实现系统的数据库。实现基于混合推荐算法的电影推荐系统。该系统能够有效地管理电影信息，并且为用户提供电影推荐服务。

2.需求分析

2.1 普通用户的需求分析：

1) 注册登录：用户可使用账号密码进行登录进系统，对于无账号的游客必须经过注册账号方可进入网站；
2) 个人信息：用户可浏览自己的个人信息，并可随进行修改个人信息；
3) 搜索电影：用户可凭借名称，标签，时间等标签信息对电影进行检索；
4) 观看电影：用户可在网站上在线观看电影；
5) 查看推荐信息：用户可查看网站的推荐信息，查看近期热门电影列表，浏览不同主题的电影专栏，并得到个性化的推荐信息；
6) 对电影进行操作：用户可对电影进行打分和评论，对喜欢的电影还可将其加入收藏夹；

2.2 管理员的需求分析：

1) 普通用户的全部功能；
2) 用户管理：管理员可按规则检索用户信息，添加用户条目，对特定用户添加标签，对不符合规范的用户信息进行修改，对违禁用户进行销号等；
3) 推荐模块：管理员可添加/删除电影专题栏目，对电影专题进行更新修改，对历史电影专题进行检索等；
4) 电影管理：管理员可检索电影条目，添加/删除电影条目信息，对电影条目信息进行修改等；
5) 标签管理：管理员可检索带有特定标签的电影，对电影添加/删除标签信息，对标签信息进行修改更新等；
6) 用户行为管理：管理员可以删除用户的恶意评论信息，也可以添加新的电影评论；

3.用例图

3.1 普通用户用例图

3.2 管理员用例图

4. 数据库设计

4.1 总体E-R图

4.2 数据库结构设计

5.拟采用的开发方法、环境，测试方案等

5.1 相关环境

运行环境：Windows10系统，浏览器
体系结构模式：浏览器/服务器（B/S）模式
开发语言：Python，Java
开发环境：PyCharm，IntelliJ IDEA，VM等
系统应用框架：SpringBoot, SpringMVC, Maven, Elasticsearch, mongoDB, Redis, MySQL, Spark, Flume, Kafka, Azkaban

5. 2 测试方案：包括以下几项内容：

1）功能测试：测试各个模块以及窗口所完成的功能是否准确，数据是否正确，操作是否简洁方便；
2）数据项测试：检查输入正确数据是否能按照预期的答案回显；检查是否能识别错误的输入数据，并给予正确的信息提示；
3）业务流程测试：按照系统分析说明书的业务流程，检查本系统所完成的业务流程是否正确；
4）数据流测试：检查本系统所涉及的相关数据，是否按照正确的业务流程流动，每个阶段所反映的数据结果是否正确；
5）性能测试：模拟客户进行多用户测试。

6.设计模式与软件架构

6.1 数据库封装(单例模式)

单例（Singleton）模式：某个类只能生成一个实例，该类提供了一个全局访问点供外部获取该实例，典型的应用如数据库实例。

6.2 MVC三层架构

本电影推荐系统的核心是B/S三层构架，分别是表现层、业务层和数据层，系统结合这三层体系进行实现。使用了三种基本推荐算法：协同过滤算法、基于内容的推荐算法、基于网络的推荐算法。总体来说，本工程设计具有不错的先进性和较强的实用性，有较大的扩展与优化空间。

6.3 前后端交互（客户/服务器模式）

客户-服务模式的架构风格是指客户代码通过请求和应答的方式访问或者调用服务代码。这里的请求和应答可以是函数调用和返回值，也可以是TCP Socket中的send和recv，还可以是HTTP协议中的GET请求和响应。
在客户-服务模式中，客户是主动的，服务是被动的。客户知道它向哪个服务发出请求，而服务却不知道它正在为哪个客户提供服务，甚至不知道正在为多少客户提供服务。客户-服务模式的架构风格具有典型的模块化特征，降低了系统中客户和服务构件之间耦合度，提高了服务构件的可重用性。

6.4 Web前端（Vue MVVM架构）

采用Vue作为前端框架，Vue框架是一个MVVM的渐进式JavaScript框架。

学号:312