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！
答辩学生： 各位评委老师好，我是xx同学，我的毕业设计题目是《基于大数据技术的电商推荐系统的设计与实现》。本系统是一个B/S架构的电商管理平台，主要分为管理员和会员两大角色。管理员可以进行商品管理、订单管理、会员管理、数据统计和系统设置；会员可以实现商品浏览、购物车管理、下单购买、订单查询和评价管理。技术栈方面，后端采用Python语言和Django框架，使用MySQL数据库存储数据，前端采用HTML、CSS、JavaScript和Vue.js构建，同时使用jsoup实现爬虫技术进行数据采集，最后通过可视化大屏展示数据。开发工具使用PyCharm和Navicat。接下来请各位老师批评指正。
评委老师： 你的系统为什么要选择Python作为开发语言？有什么优势？
答辩学生： 选择Python主要是因为它语法简洁易懂，适合我这种基础比较薄弱的学生学习。而且Python有丰富的第三方库，比如我这个系统要用到的pandas、numpy用于数据分析，Django框架可以快速搭建Web应用，jsoup可以方便地实现爬虫功能。另外Python社区活跃，遇到问题容易找到解决方案。
评委老师： 你的系统提到了用协同过滤算法做推荐，能简单说一下这个算法的基本思路吗？
答辩学生： 协同过滤算法主要是根据用户的行为数据来推荐商品。它的核心思想是"物以类聚，人以群分"，也就是说如果两个用户购买过相似的商品，或者两个商品经常被同一个用户购买，那么就可以互相推荐。比如用户A和用户B都买了商品1和商品2，那么用户A买了商品3，就可以推荐给用户B。我的系统会结合用户的历史购买记录和浏览行为来实现这个功能。
评委老师： 你的系统用到了爬虫技术，主要是爬取什么数据？会不会涉及到法律风险？
答辩学生： 我的爬虫主要是用来采集商品信息和用户评论数据，用于系统的初始数据填充和推荐算法的训练。关于法律风险，我会只爬取公开可见的数据，不会涉及用户隐私信息，同时也会控制爬取频率，避免对目标网站造成压力。在实际使用中，这些数据仅用于毕业设计展示，不会用于商业用途。
评委老师： 你的系统前端用了Vue.js，后端用了Django，前后端是怎么进行数据交互的？
答辩学生： 前后端通过API接口进行数据交互。前端页面通过发送HTTP请求（比如GET请求获取数据，POST请求提交数据）到后端，后端Django框架接收到请求后，处理业务逻辑，操作数据库，然后把处理结果以JSON格式返回给前端。前端拿到数据后用Vue.js进行页面渲染和展示。这样前后端分离的方式让开发更清晰，也便于后期维护。
评委老师： 你的系统数据库设计方面提到了要建立多张表关系，能说说主要有哪些表，它们之间是什么关系吗？
答辩学生： 我的系统主要包含用户表、商品表、订单表、订单详情表、购物车表、评价表等。用户表和订单表是一对多关系，一个用户可以有多个订单；订单表和订单详情表是一对多关系，一个订单可以包含多个商品；商品表和评价表是一对多关系，一个商品可以有多条评价。通过这些外键关联，可以实现数据的完整性和查询的灵活性。
评委老师： 你的系统提到了可视化大屏展示，具体要展示哪些数据？
答辩学生： 可视化大屏主要展示销售数据统计，比如销售额趋势图、热销商品排行榜、用户增长曲线、订单状态分布等。还会展示推荐系统的效果数据，比如推荐点击率、用户满意度等。这样管理员可以直观地了解平台的运营状况，为决策提供依据。
评委老师： 你的进度安排中，2025年3月份要完成前后台功能开发，时间会不会太紧张？如果遇到问题怎么保证进度？
答辩学生： 我制定这个进度安排是基于前期已经做了需求分析和技术准备。为了保证进度，我会每周和指导老师沟通进展，遇到问题及时请教。同时我会采用模块化开发方式，先完成核心功能（如用户管理、商品管理、推荐算法），再完善细节功能。如果某个模块进度滞后，我会适当调整计划，优先保证系统主体功能完整。
评委老师： 你的推荐系统如何评估推荐效果的好坏？
答辩学生： 我计划从几个方面评估：一是准确率，看推荐的用户实际是否感兴趣；二是召回率，看有没有漏掉用户可能喜欢的商品；三是用户点击率，统计用户点击推荐商品的比例；四是通过A/B测试对比有推荐和没有推荐时的购买转化率。由于我是毕业设计，数据量有限，主要用模拟数据进行测试，重点展示推荐功能的实现逻辑。
评委老师评价与总结
评委老师： xx同学的开题报告整体结构完整，选题具有一定的实用价值，技术路线清晰，功能模块设计合理。从答辩情况来看，对所选技术有一定的了解，能够清楚表达系统的设计思路。
优点：
-
技术栈选择恰当，Python+Django+Vue.js适合快速开发，且学习资源丰富
-
功能模块划分清晰，管理员和会员权限明确
-
考虑了数据采集和可视化展示，系统完整性较好
建议：
-
推荐算法部分建议先实现基础的协同过滤，再考虑深度学习优化，避免贪多嚼不烂
-
爬虫部分要注意合法性，建议说明数据来源或改用模拟数据
-
数据库设计要在详细设计阶段画出ER图，明确表关系
-
进度安排要预留缓冲时间，建议4月初完成核心功能，留出时间测试和修改
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。