美食推荐系统的设计与实现

news/2025/5/24 4:25:24

目 录
1绪论 1
1.1课题背景及意义 1
1.2课题研究现状 1
1.3课题主要研究内容 2
2相关技术 3
2.1系统开发模式 3
2.2 JSP开发技术 4
2.3 MySQL数据库 5
2.4 Html5 6
2.5 DIV+CSS简介 6
2.5个性化推荐技术 7
3系统分析 10
3.1系统可行性分析 10
3.2系统功能需求分析 10
3.3系统流程分析 10
4系统设计 12
4.1总体设计原则 12
4.2系统功能结构设计 12
4.3系统数据库设计 13
5 系统实现 16
5.1 Html5网页前端 16
5.1.1注册登录模块 16
5.1.2首页餐厅美食推荐列表模块 17
5.1.3热销推荐模块 18
5.2后台管理端 20
5.2.1管理员登录模块 20
5.2.2菜品管理模块 21
6 系统测试 23
6.1 软件测试的目的和原则 23
6.2 测试环境 24
6.3 软件测试 24
总结 26
参考文献 27
致谢 28

课题设计推荐系统是一款美食推荐系统，该系统是基于C/S+B/S模式来设计，技术上采用Html5+JSP网页技术+个性化推荐技术开发，利用Java技术来实现，通过MySQL数据库来存取美食推荐系统相关的信息，Html5注册用户和商家用户可餐厅美食推荐列表、购物车订单及个人中心等，后台管理端可对菜品信息、菜品类别信息、优惠资讯管理、订单管理、统计及用户管理等。
3系统分析
3.1系统可行性分析
（1）技术可行性：开发这套河池学院美食推荐系统B/S架构的Java+SSM+HTML技术来实现；以Html5开发者工具进行开发，采用MySQL数据库来储存平台系统数据，使用最经典的协同过滤算法来推荐排名，以上的Html5和网站开发组合已被大量的Html5应用所证明，运行稳定可靠，可作为学院美食推荐运算推荐的开发技术，因此技术上可行。
（2）经济可行性：Html5是集合在上的功能，所以并不需要安装或者是下载，只需要人力物力的投入，时间上也合适，不需要很多额外支出，后期可以通过推广商铺来收取一定的利益，因此具有经济可行性。
（3）操作可行性：本系统实现了用户与数据库的互动，界面简单友好，操作方便。能够为用户提供更加具体的商铺数据。与此同时对于许多客户来说，Html5不占用手机的内存，而且也不受手机系统的限制，本文转载自http://www.biyezuopin.vip/onews.asp?id=14103可以使用起来特别的快捷，具有操作可行性。
（4）法律可行性：是合法的研究方向课题，符合法律要求。
系统可行性分析从技术可行性、经济可行性、运行可行性以及法律可行性等方面分析。
3.2系统功能需求分析
课题设计美食推荐系统包括Html5前端和后台管理端两个部分，注册用户和商家用户可餐厅美食推荐列表、购物车订单及个人中心等，后台管理端可对菜品信息、菜品类别信息、优惠资讯管理、订单管理、统计及用户管理等。
3.3系统流程分析
登录是使用该美食推荐系统的入口，只有合法用户方可使用软件，同时系统会根据用户属性分配不同的用户权限，进入不同的业务界面操作不同的业务模块。

package com.share.spark.project.sparkimport com.share.spark.project.dao.CourseClickCountDAO
import org.apache.hadoop.hbase.HBaseConfiguration
import org.apache.hadoop.hbase.client.Result
import org.apache.hadoop.hbase.io.ImmutableBytesWritable
import org.apache.hadoop.hbase.mapreduce.TableInputFormat
import org.apache.hadoop.hbase.util.Bytes
import org.apache.log4j.{Level, Logger}
import org.apache.spark.mllib.recommendation.{ALS, Rating}
import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.streaming.kafka.KafkaUtils
import org.apache.spark.streaming.{Seconds, StreamingContext}/*** 使用Spark 和 Spark Streaming 分别对用户产生离线和实时的推荐结果*/
object FoodRecommendStreamingApp {def main(args: Array[String]): Unit = {if (args.length != 4) {System.err.println("Usage: KafkaReceiverWordCount <zkQuorum> <group> <topics> <numThreads>")System.exit(1)}//设置日志提示等级Logger.getLogger("org.apache.spark").setLevel(Level.WARN)//args为 hadoop:2181 test streamingtopic 1val Array(zkQuorum, group, topics, numThreads) = argsval sparkConf = new SparkConf().setAppName("FoodRecommendStreamingApp").setMaster("local[2]").set("spark.akka.frameSize", "2000").set("spark.network.timeout", "1200")val sparkContext = new SparkContext(sparkConf)val hbaseConf = HBaseConfiguration.create()hbaseConf.set("hbase.zookeeper.quorum", "hadoop")hbaseConf.set("hbase.zookeeper.property.clientPort", "2181")hbaseConf.set("zookeeper.session.timeout", "6000000")println("\n=====================step 2 load data==========================")//加载HBase中的数据//读取数据并转化成rddhbaseConf.set(TableInputFormat.INPUT_TABLE, "ratings")val ratingsData = sparkContext.newAPIHadoopRDD(hbaseConf, classOf[TableInputFormat],classOf[ImmutableBytesWritable],classOf[Result])val hbaseRatings = ratingsData.map { case (_, res) =>val foodId = Bytes.toString(res.getValue(Bytes.toBytes("info"), Bytes.toBytes("fid")))val rating = Bytes.toString(res.getValue(Bytes.toBytes("info"), Bytes.toBytes("rating")))val userId = Bytes.toString(res.getValue(Bytes.toBytes("info"), Bytes.toBytes("uid")))Rating(userId.toInt, foodId.toInt, rating.toDouble)}.cache()val numTrainRatings = hbaseRatings.count()println(s"[DEBUG]get $numTrainRatings train data from hbase")val rank = 10val lambda = 0.01val numIter = 10//第一次运行，初始化用户的推荐信息println("\n=====================system initiallizing...==========================")println("\n[DEBUG]training model...")val firstTrainTime = System.nanoTime()val model = ALS.train(hbaseRatings, rank, numIter, lambda)val firstTrainEndTime = System.nanoTime() - firstTrainTimeprintln("[DEBUG]first training consuming:" + firstTrainEndTime / 1000000000 + "s")println("\n[DEBUG]save recommended data to hbase...")val firstPutTime = System.nanoTime()//为每一个用户产生初始的推荐食物，取top10for (i <- 1 to 60) {val topRatings = model.recommendProducts(i, 10)var recFoods = ""for (r <- topRatings) {val rating = r.rating.toString.substring(0, 4)recFoods += r.product + ":" + rating + ","}CourseClickCountDAO.put("users", i.toString, "info", "recFoods", recFoods.substring(0, recFoods.length - 1))}val firstPutEndTime = System.nanoTime() - firstPutTimeprintln("[DEBUG]finish job consuming:" + firstPutEndTime / 1000000000 + "s")//实时推荐引擎部分println("\n=====================start real-time recommendation engine...==========================")val streamingTime = 120println(s"[DEBUG]The time interval to refresh model is: $streamingTime s")//接受实时的用户行为数据//    val streamingContext = new StreamingContext(sparkContext, Seconds(streamingTime))//    val ssc = new StreamingContext(sparkContext, Seconds(60))val ssc = new StreamingContext(sparkContext, Seconds(10))val topicMap = topics.split(",").map((_, numThreads.toInt)).toMap// TODO... Spark Streaming 如何对接 Kafkaval logs = KafkaUtils.createStream(ssc, zkQuorum, group, topicMap).map(_._2)val cleanData = logs.map(line => {val infos = line.split("::")Rating(infos(0).toInt, infos(1).toInt, infos(2).toDouble)})var allData = hbaseRatingsallData.cache.count()hbaseRatings.unpersist()var index = 0cleanData.foreachRDD { rdd =>index += 1println("\n[DEBUG]this round (" + index + ") received: " + rdd.count + " data lines.")val refreshStartTime = System.nanoTime()val tmpData = allData.union(rdd).cachetmpData.count()allData = tmpDatatmpData.unpersist()allData = allData.union(rdd).repartition(10).cache()val model = ALS.train(allData, rank, numIter, lambda)val refreshEndTime = System.nanoTime() - refreshStartTimeprintln("[DEBUG]training consuming:" + refreshEndTime / 1000000000 + " s")println("[DEBUG]begin refresh hbase user's recBooks...")val refreshAgainStartTime = System.nanoTime()//只更新当前有行为产生的用户的推荐数据val usersId = rdd.map(_.user).distinct().collect()for (u <- usersId) {val topRatings = model.recommendProducts(u, 10)var recFoods = ""for (r <- topRatings) {val rating = r.rating.toString.substring(0, 4)recFoods += r.product + ":" + rating + ","}CourseClickCountDAO.put("users", u.toString, "info", "recFoods", recFoods.substring(0, recFoods.length - 1))}val refreshAgainConsumingTime = System.nanoTime() - refreshAgainStartTimeprintln("[DEBUG]finish refresh job,consuming:" + refreshAgainConsumingTime / 1000000000 + " s")}ssc.start()ssc.awaitTermination()sparkContext.stop()}
}

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

文章来源:https://biyezuopin.blog.csdn.net/article/details/127239125
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：https://dhexx.cn/news/show-25339.html

相关文章

MySQL 中mysql_query()来判断数据库是否连接中断

MySQL 中mysql_query()来判断数据库是否连接中断

前言 最近的项目在使用mysql C API进行数据库操作时&#xff0c;写了一个简易的连接池&#xff0c;因为mysql查询和插入频繁&#xff0c;但是单次查询与插入的时间开销小&#xff0c;每次进行数据库连接时的开销大。于是进程启动时建立了若干个长连接加入到连接池中&#xff0…
阅读更多...
Linux常用命令：性能命令

Linux常用命令：性能命令

本文介绍Linux常用性能统计分析命令&#xff0c;监控进程或者系统性能。主要包括CPU&#xff08;top、mpstat&#xff09;、内存&#xff08;vmstat、free&#xff09;、I/O&#xff08;iostat&#xff09;、网络性能&#xff08;sar&#xff09;、系统日志信息&#xff08;dem…
阅读更多...
基于JSP的物业管理系统

基于JSP的物业管理系统

目 录 绪论 1 第一章 相关技术 3 1.1 JSP技术简介 3 1.2 系统使用的编程语言 3 1.3 B/S结构 3 1.4 MySQL数据库简介 4 第二章 系统分析 5 2.1 需求背景分析 5 2.2 功能需求分析 5 2.3 参与者分析 5 2.3.1 用户用例分析 6 2.3.2 管理员用例分析 7 2.4 非功能需求分析 7 2.4.1 性…
阅读更多...
MySQL 中mysql_query()来判断数据库是否连接中断(二）

MySQL 中mysql_query()来判断数据库是否连接中断(二）

前言 上一节讲到&#xff0c;使用mysql_query()的返回值来判断数据库连接是否出错。但是&#xff0c;在实现的过程中发现无论是sql 语句本身有问题&#xff0c;比如 查询一张不存在的表&#xff0c;还是数据库的确shutdown了&#xff0c;mysql_query的返回值都是1.当mysql_que…
阅读更多...
利用Java实现回文数（eclipse）

利用Java实现回文数（eclipse）

package 考试;public class HuiWenShu{public static void main(String[]args) {for(int i1;i<1000;i) {String aString.valueOf(i);StringBuffer bnew StringBuffer(a);b.reverse();if(a.equals(b.toString())){System.out.print(i" ");}} } } 这个代码并不复杂…
阅读更多...
Linux Bash编程

Linux Bash编程

在Linux系统介绍中&#xff0c;介绍了shell的多个版本&#xff0c;现在的Linux发行版基本都默认使用bash&#xff08;Bourne Again shell&#xff09;&#xff0c;兼容Bourne shell (sh)&#xff0c;本文将简要介绍Bash编程语法。 变量 命名规则 只能使用英文字母&#xff0…
阅读更多...
太阳能充电过充保护系统

太阳能充电过充保护系统

全套资料下载地址&#xff1a;https://download.csdn.net/download/sheziqiong/86791321 全套资料下载地址&#xff1a;https://download.csdn.net/download/sheziqiong/86791321 摘要 II ABSTRACT III 1、绪论 2 1.1课题的背景及意义 2 2、太阳能电池板简介 2 2.1太阳能电池板…
阅读更多...
Linux 网络配置文件Interfaces模板

Linux 网络配置文件Interfaces模板

前言 经常会对Linux的网络进行设置&#xff0c;但是经常忘记interfaces那几个单词的拼写。以下是模板。 设置 静态IP auto eth0 iface eth0 inet static address 192.168.1.5 netmask 255.255.255.0 gateway 192.168.1.254 dns-nameserver 114.114.114.114 设置动态IP aut…
阅读更多...
利用Java实现所有输入单词的数量以及其中指定长度单词的输出

利用Java实现所有输入单词的数量以及其中指定长度单词的输出

package 考试; import java.io.BufferedReader; import java.io.InputStreamReader; public class Dancijiance { public static void main(String[] args)throws Exception {String lineBuffer;BufferedReader br new BufferedReader(new InputStreamReader(System.in));while…
阅读更多...
cURL工具介绍及简单使用

cURL工具介绍及简单使用

curl命令是个功能强大的网络工具&#xff0c;可用来请求 Web 服务器&#xff0c;支持FTP、FTPS、HTTP、HTTPS、SMTP、Telnet、TFTP等协议&#xff0c;底层使用的是 libcurl 库。可用于文件上传、下载&#xff0c;还可以用来模拟客户端请求&#xff0c;抓取网页、网络监控等。 …
阅读更多...
最新文章

Copyright @ 2022~2023