基于html+css房地产销售系统设计与实现-计算机毕业设计源码+LW文档

一、研究背景、研究意义、研究现状及发展趋势
如今，随着社会的进步、生活水平日益改善，国内房地产产业不断的发展，越来越多的人民选择在网络上了解以及购房，房地产销售网站成为了房地产商和二手房交易不可缺少的东西。房地产销售行业的信息量和工作量越来越大，传统的人工服务方式已经不能满足房地产销售服务，国内房地产行业自从改革开放以来，成为国民经济中一个重要的增长点。为了弥补上述缺陷、提高效率、便捷客户，针对这种情况并联系社会生产实践来开发房地产销售管理系统，实现信息化销售的服务。
二、研究内容
课题研究主要内容是基于html建立一个B/S架构的网上旅游管理服务平台，采用了开发网站的几种相关技术包含了JSP 与 SQL server数据库技术、JAVA技术等。关于基于html房地产网站的设计，我把它分成前台和后台两个模块，前台与后台两大部分相互结合。前台开发主要功能需求实现了房产概况、楼盘环境以及小区交通、学校便利信息的了解、房产销售价格的显示、留言交互:网友留言评论。后台开发主要包括登录系统，实现购房管理、预定看房管理、管理员管理模块其它设置这几个功能。通过了全面的测试，完成了可供客户在任何时间、地点选择和查阅要购买的房产价格、房产周边环境的房地产销售管理平台，提高了用户的便捷与服务水平。 
三、研究方法
（1）通过查阅文献、技术论坛来选择合理的技术框架和路线，保证技术能够满足毕业设计的需要； 
（2）通过分析比较不同的技术方法的优点和缺点，保证所选技术路线和方案是最佳；
四、国内外文献综述（500字左右）
知识图谱作为一种智能、高效的知识组织方式,能够帮助用户迅速、准确地查询到自己需要的信息。.从知识图谱的定义和技术架构出发,对构建知识图谱涉及的关键技术进行了自底向上的全面解析.1)对知识图谱的定义和内涵进行了说明,并给出了构建知识图谱的技术框架,按照输入的知识素材的抽象程度将其划分为3个层次:信息抽取层、知识融合层和知识加工层;2)分别对每个层次涉及的关键技术的研究现状进行分类说明,逐步揭示知识图谱技术的奥秘,及其与相关学科领域的关系;3)对知识图谱构建技术当前面临的重大挑战和关键问题进行了总结. 
对当前国内外主要的开放网络库进行了比较,分析了相应的构建方法、多源知识的融合以及知识库的更新等关键技术.进一步从用户意图理解、查询扩展、语义问答、线索挖据、关系推理以及关系和属性预测等方面出发,总结了基于开放网络知识库的信息检索、数据挖掘与系统应用的研究现状和主要问题.
协同过滤推荐算法通过研究用户的喜好,实现从海量数据资源中为用户推荐其感兴趣的内容,在电子商务中得到了广泛的应用。然而,当此类算法应用到社交网络时,传统的评价指标与相似度计算的重点发生了变化,从而出现推荐算法效率偏低,推荐准确度下降问题,导致社交网络中用户交友推荐满意度偏低。针对这一问题,引入用户相似度概念,定义社交网络中属性相似度,相似度构成与计算方法,提出一种改进的协同过滤推荐算法,并给出推荐质量与用户满意度评价方法。实验结果表明:改进算法能有效改善社交网络中的推荐准确性并提高推荐效率,全面提高用户满意度。
五、研究方案及工作计划
1、研究方案
本课题拟采用主流的B/S架构、大型关系数据库技术（如：Oracle、SQL）、主流软件开发技术和现代网络通讯技术来完成。
为保证所开发的系统的合理性，需要严格按照系统设计过程涉及到的各个环节进实施。具体而言，软件开发是根据用户要求建造出软件系统或者系统中的软件部分的过程，是一项包括需求获取、需求分析、设计、实现和测试的系统工程。因此本课题将结合软件工程的设计思路和方法，分别从设计软件的功能和实现的算法和方法、软件的总体结构设计和模块设计、编程和调试、程序联调和测试以及编写、提交程序等各项内容分别去展开。
2、工作计划
（1）完成开题报告                   2021年2月16日 — 2022年3月5日
（2）完成中期检查                   2022年3月6日 — 2022年3月15日
（3）完成论文初稿                   2022年3月16日 — 2022年4月30日
（4）完成论文定稿                   2022年5月01日 — 2022年5月10日  
（5）完成相似比检测                 2022年5月11日 — 2022年05月25日     
（6）完成答辩                       2022年05月25日 — 2022年05月30日     
（7）材料归档                       2022年05月31日 — 2022年06月03日
六、参考文献
. [1]肖嘉.基于Web的房产销售管理系统的设计问题浅析[J].计算机产品与流通,2018(12):120.
. [2]刘峤,李杨,段宏,刘瑶,秦志光.知识图谱构建技术综述[J].计算机研究与发展,2016,53(03):582-600.
. [3]王元卓,贾岩涛,刘大伟,靳小龙,程学旗.基于开放网络知识的信息检索与数据挖掘[J].计算机研究与发展,2015,52(02):456-474.
. [4]李涛,王次臣,李华康.知识图谱的发展与构建[J].南京理工大学学报,2017,41(01):22-34.DOI:10.14177/j.cnki.32-1397n.2017.41.01.004.
[5]杨玉基,许斌,胡家威,仝美涵,张鹏,郑莉.一种准确而高效的领域知识图谱构建方法[J].软件学报,2018,29(10):2931-2947.DOI:10.13328/j.cnki.jos.005552..
[6]张吉祥,张祥森,武长旭,赵增顺.知识图谱构建技术综述[J/OL].计算机工程:1-16[2022-03-06].DOI:10.19678/j.issn.1000-3428.0061803.
[7]马忠贵,倪润宇,余开航.知识图谱的最新进展、关键技术和挑战[J].工程科学学报,2020,42(10):1254-1266.DOI:10.13374/j.issn2095-9389.2020.02.28.001.
[8]吴信东,董丙冰,堵新政,杨威.数据治理技术[J].软件学报,2019,30(09):2830-2856.DOI:10.13328/j.cnki.jos.005854.
[9]刘知远,孙茂松,林衍凯,谢若冰.知识表示学习研究进展[J].计算机研究与发展,2016,53(02):247-261.
[10]黄立威,江碧涛,吕守业,刘艳博,李德毅.基于深度学习的推荐系统研究综述[J].计算机学报,2018,41(07):1619-1647.
[11]许海玲,吴潇,李晓东,阎保平.互联网推荐系统比较研究[J].软件学报,2009,20(02):350-362.
[12]荣辉桂,火生旭,胡春华,莫进侠.基于用户相似度的协同过滤推荐算法[J].通信学报,2014,35(02):16-24.
[13]孟祥武,刘树栋,张玉洁,胡勋.社会化推荐系统研究[J].软件学报,2015,26(06):1356-1372.DOI:10.13328/j.cnki.jos.004831.
[14]邢春晓,高凤荣,战思南,周立柱.适应用户兴趣变化的协同过滤推荐算法[J].计算机研究与发展,2007(02):296-301.
[15]郭磊,马军,陈竹敏,姜浩然.一种结合推荐对象间关联关系的社会化推荐算法[J].计算机学报,2014,37(01):219-228.

系统功能：

一、系统用户包括：系统管理员、用户

二、功能模块
1.房屋信息模块：用户和管理员可以看到在出售的房屋信息。同时用户可对自己的房屋信息进行编辑，其他用户可以对房屋进行评价。
2.用户模块，该系统用户主要是管理员和普通用户，管理员在该模块实现对用户基本信息的操作
3.搜索功能，用户可根据指定的需求，搜索到匹配的房屋
4.申请看房功能，用户可以通过该功能和管理员进行沟通看房。
5.反馈功能，用户可以像管理员提出建议或者反馈bug以及对不实房产进行举报。
6.推荐功能，网站首页推送一些优秀房产。
7.交易功能，管理员可以在线上作为第三方为用户完成交易。