基于Spring Boot+Vue3的烹饪交流学习系统设计与实现

基于 Spring Boot + Vue3 的烹饪交流学习系统设计与实现

一、项目概述

随着人们对烹饪学习与交流需求的增加，传统线下学习模式在菜谱管理、内容发现、交流共享与个性化推荐等方面存在明显不足。为此，本项目基于 Spring Boot + Vue3 技术栈，构建一套烹饪交流学习平台（前后端分离），旨在为普通用户与管理员提供一个包含菜谱发布、智能推荐、学习交流、视频教学与排行榜等功能的数字化平台，提升菜谱内容质量与用户学习体验。

二、系统架构与技术栈

前端：Vue3 + Element Plus（管理端：cookie-web-admin，用户端：cookie-web-user）
后端：Java + Spring Boot + MyBatis（cookie-boot）
数据库：MySQL 8.x
其它：Node.js、npm/yarn、Maven、IntelliJ IDEA、Navicat

系统采用前后端分离架构，后端暴露 RESTful API，前端通过统一接口调用并按角色（管理员 / 普通用户）展示不同页面与权限。

三、主要功能

3.1管理员功能需求

（1）登录

管理员通过个人账号，登录后台管理系统。

（2）个人信息管理

管理员可以查看和修改个人基本信息（姓名、联系方式、邮箱等），保证账号信息的准确性。

（3）密码修改

管理员可以修改登录密码，增强账号安全性。

（4）用户管理

对用户基本信息进行查看操作，可以为用户重置密码，删除用户以及停用违规用户账号。

（5）菜谱管理

管理员可以管理用户发布的菜谱内容，主要包括审核、编辑、删除、查看详情等操作。对于菜谱质量管理，管理员可以根据菜谱内容质量进行标记分类，包括美图菜谱、精品菜谱、新手友好等标签，同时标记菜谱难度等级为初级、中级或高级。此外，在评论管理模块中，管理员可以查看用户对菜谱的评论信息，并对不合规的评论内容进行删除处理。

（6）菜谱视频管理

管理员在这里可以统一管理用户上传的做菜视频，对于不合规的视频，可以进行下架处理。

（7）厨艺大比拼审核

审核用户发布的厨艺大比拼信息，并可删除不合规的信息。

（9）统计分析

分析点击数、收藏数、点赞数、评论数等维度信息，比如Top收藏菜谱、Top10点赞菜谱，好评最多的几个菜谱，好评率等。

（10）字典管理

维护菜谱分类、口味、烹调方法等字典数据，为前端选择控件提供统一数据来源。

（11）公告管理

发布、编辑、启用/停用公告，向用户推送重要通知。

3.2用户功能需求

（1）注册与登录

用户通过账号密码注册、登录用户端系统，完善基础信息。

（2）菜谱智能推荐

用户选择食材、厨具后，系统为用户按照菜谱难度推荐菜谱，并推荐两道搭配菜，点击菜谱进入菜谱详情页面，里面介绍食材和制作步骤等信息，在详情页展示制作视频。

（3）菜谱学习与交流

查看已发布的所有菜谱列表，点击菜谱名称，可以查看菜谱详情。可以点赞、收藏。做菜交流：用户在这里上传用这个菜谱做的菜的图片、辅助文字进行描述，也可以在这里上传自己的做菜视频，供其他用户学习交流。

（4）菜谱排行榜

根据点赞数、收藏数、评价数，展示Top10菜谱。

（5）今天吃什么

点击按钮，随机抽取一道菜供用户参考。

（6）厨艺大比拼

用户可在此发布比赛，包括比赛标题、时间、地点和要求等信息，发布后待管理员审核通过后，其他用户可以报名比赛。报名比赛后，用户线下参与比赛。

（7）公告

用户在这里查看管理员发布的公告信息。

（8）个人中心

我的菜谱

用户可以点击添加按钮来发布自己的菜谱，包含菜谱分类、食材配方、制作步骤、制作视频等详细信息。发布后，可通过编辑按钮修改菜谱内容，同时可以查看管理员的审核信息，或选择删除已发布的菜谱。

历史记录

查看之前点击过的菜谱列表,按照点击时间倒序排序。

我的比赛

用户可以查看自己发布的比赛，支持编辑比赛内容、查看管理员审核信息或删除比赛。点击发布按钮可创建新的比赛活动。此外，用户还可以查看已报名的比赛，并对不需要参加的比赛进行退赛操作。

个人信息

修改个人信息。

修改密码

用户在这里修改账号密码。

四、菜谱推荐算法

1、算法类型：多维度加权评分算法

这个推荐算法采用了多维度加权评分的方法，类似于协同过滤和内容推荐的结合体。

2、主要流程

1）数据预处理阶段*// 获取候选菜谱（只推荐审核通过的菜谱）

java 复制代码

// 获取候选菜谱（只推荐审核通过的菜谱）
List<TRecipe> candidateRecipes = getCandidateRecipes(request);

2）多维度评分计算

对每个候选菜谱计算5个维度的得分：

食材匹配度 (35%权重)

java 复制代码

private BigDecimal calculateIngredientMatchScore(List<String> recipeIngredients, List<String> selectedIngredients) {
    int matchedCount = 0;
    for (String selected : selectedIngredients) {
        for (String recipe : recipeIngredients) {
            if (recipe.contains(selected) || selected.contains(recipe)) {
                matchedCount++;
                break;
            }
        }
    }
    BigDecimal matchRate = new BigDecimal(matchedCount).divide(new BigDecimal(selectedIngredients.size()), 2, RoundingMode.HALF_UP);
    return matchRate.compareTo(BigDecimal.valueOf(0.1)) > 0 ? matchRate : BigDecimal.valueOf(0.1);
}

计算逻辑：

遍历用户选择的每种食材
检查菜谱是否包含该食材（模糊匹配）
计算匹配率：匹配食材数 ÷ 用户选择食材总数
最低保证0.1分（避免完全不匹配）

器具匹配度 (25%权重)

java 复制代码

private BigDecimal calculateToolMatchScore(String recipeTools, List<String> selectedTools) {
    int matchedCount = 0;
    for (String selected : selectedTools) {
        if (recipeTools.contains(selected)) {
            matchedCount++;
        }
    }
    return matchedCount == 0 ? BigDecimal.valueOf(0.3) : 
           new BigDecimal(matchedCount).divide(new BigDecimal(selectedTools.size()), 2, RoundingMode.HALF_UP);
}

计算逻辑：

检查菜谱需要的器具是否在用户选择中
如果完全不匹配，给0.3的基础分（容错性）
否则按匹配比例打分

饮食平衡度 (20%权重)

java 复制代码

private BigDecimal calculateDietBalanceScore(List<String> recipeIngredients) {
    // 统计荤素比例
    int meatCount = 0, vegetableCount = 0, stapleCount = 0;
    
    // 计算各类型食材得分
    BigDecimal meatScore = calculateCategoryScore(meatCount, 1, 2);      // 荤菜：1-2份
    BigDecimal vegetableScore = calculateCategoryScore(vegetableCount, 2, 3); // 素菜：2-3份
    BigDecimal stapleScore = calculateCategoryScore(stapleCount, 1, 2);   // 主食：1-2份
    
    return meatScore.add(vegetableScore).add(stapleScore).divide(BigDecimal.valueOf(3), 2, RoundingMode.HALF_UP);
}

荤素分类映射：

荤菜：猪肉、牛肉、鸡肉、鱼虾、鸡蛋等
素菜：各类蔬菜、豆腐等
主食：面食、米饭、面包等

难度适配度 (10%权重)

无偏好时：初级菜谱+0.9分，中级+0.7分
有偏好时：完全匹配+1分，不匹配+0.6分

时间适配度 (10%权重)

根据用户设置的最大烹饪时间进行匹配
在时间范围内：+1分，超出：+0.5分

3）综合评分计算

java 复制代码

BigDecimal totalScore = ingredientScore.multiply(INGREDIENT_WEIGHT)
    .add(toolScore.multiply(TOOL_WEIGHT))
    .add(dietBalanceScore.multiply(DIET_BALANCE_WEIGHT))
    .add(difficultyScore.multiply(DIFFICULTY_WEIGHT))
    .add(timeScore.multiply(TIME_WEIGHT));

4）排序与推荐

shell 复制代码

// 按得分降序排序
recipeScores.sort((a, b) -> b.getTotalScore().compareTo(a.getTotalScore()));

// 返回结果
RecipeRecommendationResponseDto response = new RecipeRecommendationResponseDto();
response.setMainRecipe(recipeScores.get(0).getRecipe());  // 得分最高的作为主菜
response.setSideRecipes(recipeScores.subList(1, 3));      // 接下来2个作为搭配菜

3、算法优势

精确匹配：食材和器具的精准匹配度计算
营养均衡：自动分析荤素搭配比例
个性化：根据用户偏好进行难度和时间适配
容错性强：即使某些维度匹配度低也能给出合理推荐
可扩展性：权重可以根据需求动态调整

4、评分区间

总得分范围：0.0 - 1.0
各维度得分：0.0 - 1.0
最低得分保证：确保每个菜谱都有展示机会

5、实际效果

用户选择"土豆、猪肉、炒锅"时：

土豆炖肉得分高（食材+器具完美匹配）
清炒土豆丝得分中等（食材匹配但缺少肉类）
红烧排骨得分低（缺少主要食材）

这个算法既保证了推荐的准确性，又考虑了用户体验和营养均衡，是一个实用性很强的智能推荐系统！

基于Spring Boot+Vue3的烹饪交流学习系统 设计与实现