高考数据推荐与可视化系统主要是基于大数据技术开发，使用Python爬虫、Spark分析、人物画像、短支付宝沙箱支付、身份证自动识别、推荐算法-协同过滤算法(基于用户、基于物品全实现)组合技术完整整个项目的开发，同时使用SpringBoot框架，前端开发主要使用Html与Css的结合来进行页面的展示与布局；使用MySQL来进行数据的存储，通过整合MyBatis来进行对后台系统数据的管理，以及前端与数据库中数据的查取；利用Echarts进行数据的可视化分析。系统主要有以下功能模块：
1.用户模块：
1.1用户登录后可以进行个人信息的查看以及修改。
1.2可以进行一对一的关于志愿的收费咨询。
1.3对志愿的模拟填写，通过填写的分数进行推荐。
2.管理员模块：
2.1对用户的信息进行管理。
2.2对首页院校广告位的院校信息进行上架与下架。
2.3对用户的反馈建议进行处理。
2.4对数据库信息的管理。
3.推荐模块：
3.1通过用户输入的分数可以进行两个层次的推荐，即能够冲一冲的、较为稳妥的。
3.2推荐在此分数段的考生，都有过那些志愿的填报
3.3管理员可以根据用户的分数进行相关推荐的管理以及推荐数量的管理。
4.院校查询模块：
4.1用户能够对院校的基本信息进行查询，包括官网、院校代码、院校地址、院校所属、专业详情的信息显示。
4.2能够对各个省份的招生政策进行查询。
4.3管理员能够对院校的相关信息进行更新或删除。
5.院校信息的展示模块（广告位）：
5.1管理员将部分院校的信息或图片展现在首页。
5.2用户能够通过首页，对热门院校进行直观的查看了解。
6.数据分析模块：
6.1通过各个省份的高考人数进行可视化的分析。
6.2对全国高校的数量进行可视化分析对比。
7.建议反馈模块：
7.1用户可以将本系统的不足或者错误进行提出问题建议。
7.2管理员对用户的建议与反馈进行处理并作出回应以及奖励。
数据大屏可视化
通过spark分析和echarts可视化展示各地高考人数、高考人数比例、热词展示、志愿填报情况、高校分布情况等具体数据。
（二）重点研究内容
1、推荐系统：包含协同过滤算法的两种实现（基于用户、基于物品）、基础业务功能；
2、后台管理系统：数据管理；
3、爬虫：爬取历年高考分数、高考院校信息，并可以实时更新；
4、数据大屏驾驶舱：使用Spark+Flink实时计算框架完成数据统计，以echarts形式进行可视化显示；
（三）实现途径
1、使用SpringBoot+Vue.js前后端分离完成web开发;
2、使用echarts技术开发设计大屏驾驶舱;
3、集成第三方接口阿里云短信、百度AI平台、百度地图；
4、独立使用MySQL数据库和navicat终端完成数据表设计；
5、使用Hadoop、Spark、Flink实时计算框架进行数据分析；
301
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
