news 2026/9/5 20:57:18

【开题答辩全过程】以 基于Java的校内美食推荐系统的设计与实现为例,包含答辩的问题和答案

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
【开题答辩全过程】以 基于Java的校内美食推荐系统的设计与实现为例,包含答辩的问题和答案

个人简介

一名14年经验的资深毕设内行人,语言擅长Javaphp、微信小程序、PythonGolang、安卓Android

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,我是网络与通信学院物联网工程专接本2班的xx同学。我的课题是“基于Java的校内美食推荐系统”。系统主要面向校内师生,完成用户注册登录、美食信息浏览、个性化推荐、评论反馈以及后台管理员对菜品、用户、评论的管理。核心功能模块分两大端:前台用户端(浏览、搜索、收藏、点评、接收推荐)和后台管理端(菜品、用户、标签、评论、反馈管理)。技术栈采用Java语言,SpringBoot+MyBatis框架,MVC三层架构,MySQL数据库,协同过滤算法做推荐,页面用JSP+Bootstrap,开发工具Eclipse,服务器Tomcat,本地Windows10环境。下面请各位老师提问。



评委老师:为什么选择做“校内”美食推荐,而不是面向全城?
答辩学生:因为校外数据量太大,爬虫和审核难度高,校内餐厅数量有限,菜品数据好采集,用户也集中,更容易把推荐效果做出来。


评委老师:系统给谁用?主要解决他们什么痛点?
答辩学生:给本校学生和食堂档口用。学生痛点是“不知道吃什么”,系统能按口味推荐;档口痛点是“新菜没人知”,系统能把新菜推给可能喜欢的人。


评委老师:推荐算法用什么?简单说说原理。
答辩学生:用协同过滤。思路是“看和你口味相似的同学都喜欢哪些菜,就把那些菜推荐给你”,先算用户相似度,再找出Top-N没吃过但可能喜欢的菜品。


评委老师:数据库里几张核心表?各存什么?
答辩学生:五张核心表:user(用户)、food(菜品)、comment(评论)、favorite(收藏)、user_preference(用户偏好标签)。推荐结果临时存在redis,正式落库用recommend表。


评委老师:如果新用户注册但什么记录都没有,怎么给他推荐?
答辩学生:冷启动先用“热门榜+标签问卷”,让他选辣/不辣、甜/咸等标签,系统按标签把评分最高的前10道菜推给他,等他有了行为再切协同过滤。


评委老师:Maven项目怎么分层?各层职责?
答辩学生:分四层:controller接请求、service写业务、mapper做数据库增删改查、model放实体类,层与层通过接口调用,方便后期换实现。


评委老师:打算怎么测试?会写单元测试吗?
答辩学生:会用JUnit做mapper层和service层的单元测试,再用Postman跑接口,最后让5位同学帮忙点一天菜,记录推荐命中率当验收指标。


评委老师:进度怎么安排?什么时候能写完?
答辩学生:2025年1月底前完成数据库和框架搭建,3月中旬写完所有功能,4月集中写论文,5月做查重和答辩。



评委老师:xx同学,选题贴近校园生活,技术路线清晰,工作量适中,能结合协同过滤算一个小亮点。后期要注意冷启动数据不足时推荐效果可能下降,建议再补充“基于内容的标签推荐”做混合。整体开题报告结构完整,同意开题,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

版权声明: 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。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/9/4 1:11:57

南芯烧录软件使用

界面如下:连接前先检查硬件:保证D D- 对应 SDA SCL引脚 GND对GND HV对应Vcc,需要注意,有时候会出现cc1口可以但是cc2口不行的情况接着在connect ic选择指定ic,这里需要注意有时候选择的芯片会和实际使用的芯片不同,比…

作者头像 李华
网站建设 2026/9/4 8:55:04

LLM、RAG、Agent 三大AI技术深度解析,收藏这篇就够了

文章深入浅出解析LLM、RAG、Agent三大AI技术:LLM是基础模型但知识静态;RAG为其提供实时外部知识库,解决"不乱编"问题;Agent能自主规划执行任务。三者如同"毛坯房、精装修、全屋智能",应用场景各异…

作者头像 李华
网站建设 2026/9/3 3:23:34

MAC 地址

MAC 地址 —mac地址基础知识总结 一、什么是 MAC 地址? MAC 地址 网卡的“物理身份证” 工作在 数据链路层(OSI 第 2 层)用来在 同一个局域网内唯一标识设备和 IP 不一样,IP 会变,MAC 基本不变二、MAC 地址长什么样&a…

作者头像 李华
网站建设 2026/9/3 3:23:34

人工智能究竟是如何思考的

大型语言模型展现出的智能程度是以往软件所无法比拟的。你可以让它解释复杂的主题、改写电子邮件或帮助你理清思路,而它的回答往往听起来冷静、自信且深思熟虑。这自然而然地引出了人们不断追问的问题:人工智能真的在思考吗?大型语言模型展现…

作者头像 李华
网站建设 2026/9/3 0:07:12

径流水土流失监测设备

水土流失是生态保护的重要课题,无论是山区流域、矿区复垦区,还是梯田、坡地种植区,精准掌握径流量、含沙量等核心数据,都是开展水土流失治理、评估治理效果的关键前提!传统水土流失监测依赖人工采样、现场测量&#xf…

作者头像 李华