计算机毕业设计Python+Spark知识图谱高考志愿推荐系统 高考数据分析 高考可视化 高考大数据 大数据毕业设计

附表A.1：

六盘水师范学院毕业论文(设计)课题申报审核表

（2024届）

学院	xxx			适用专业	xxx
学生姓名	xxx		学号	xxx		学生班级	xxx
论文(设计)题目		高考志愿推荐系统的设计与实现
指导教师姓名		xxx		指导教师职称		xxx
课题来源		生产或社会实际		课题类型		设计
说明：1、若课题来源于教师的科研项目，请填写科研项目名称，来源； 2、若课题来源于生产或社会实际，请写明来源单位。
毕业论文（设计）地点		六盘水师范学院				预计完成课题周数	14周
一、课题基本内容及要求 ㈠设计基本内容： 背景： 高考是中国的大学招生的学术资格考试，在目前看来，高考的考试类型有两种，一种是文理分科，另一种是新高考模式。传统的文理分科是将学生分成两个类型，一种是文科，除了语数外三门课以外需要学习政史地，理科相对应的就需要学习物化生。根据学生的高考成绩和每个大学在所对应省份的总体招生计划来分梯度划线，也就是我们常说的重本线，二本线和专科线。 高考填报志愿对每个考生都非常重要，每年全国有数百万家庭使用网络了解高考支援志愿信息并推荐填报志愿。对于很大一部分考生和家长来说，短时间了解全国数千所高等院校的招生标准、历史录取分数、专业要求等信息非常困难。往往由于信息的缺失或错误造成高考志愿与考生成绩之间的较大差异，对考生造成不可挽回的损失。 因此，我们使用软件工程面向对象的思想，开发一个高考志愿填报推荐系统，为高考结束的学生提供智能化推荐服务、往年报考信息可视化统计等，提高学生志愿填报的准确度，加深学生对往年报考信息的认识深度，有助于志愿的合理填报。 主要内容： Python爬虫采集阳光高考近年高考数据约10-20万条作为分析数据集(含省控线、专业线、学校信息等，以贵州省作为基础数据源)。 使用人工智能领域的知识进行高考志愿智能推荐，如协同过滤推荐算法、SVD神经网络混合推荐算法、MLP模型、知识图谱利器——neo4j等。 采用neo4j图数据库，挖掘分数线、学校、专业之间的关系，借助d3.js以及springboot进行智能化、可视化关系图创建。 开发情感分析模块，用户可以对院校、专业进行点评。借助自然语言处理技术lstm人工智能模型，对评论进行情感分析。 使用springboot+vue.js+echarts制作智能化大屏，对高考数据进行多维度分析统计。 使用人工智能技术如线性回归算法、KNN卷积神经等知识对未来高考分数线进行预测。 ㈡设计基本要求： 项目深度要求 海量完整高考数据的获取与整理； 深度学习模型对高考志愿进行推荐，摒弃传统的协同过滤算法，提高推荐精度。 借助Neo4j图数据库深度挖掘分数线、学校、专业之间的关系。 大表统计查询数据量较大，需要对mysql数据库进行优化如索引、引擎等。 将预测算法融合近年的分数数据进行预测。 技术要求 爬虫技术：python的requests、xpath模块等。 数据库技术：mysql关系型数据库、neo4j图数据库。 前端技术：vue.js、d3.js、echarts。 后端技术：springboot、mybatis-plus。 人工智能技术：svd神经网络、MLP模型、lstm模型等。 ㈢论文或设计说明书要求 论文要求：         以Java、Python、人工智能、软件工程等基础知识作为论述依据，使用专业术语描述高考志愿填报推荐系统开发所需要的背景、意义、需求分析、数据库设计等论文模块。         用UML建模语言对流程设计、ER图、实体图、数据库表设计等进行完整图表绘制，并且用专业知识撰写成流畅描述语言，整合到论文中增添技术支持。         查询知网同类系统参考文献，多引用丰富的文献素材，拓宽论文借鉴、创新的渠道。 说明书要求：         提供关键部分代码的清晰讲解文字。         准确给出部署环境需要的机器配置、软件版本、操作命令、步骤、脚本等。         给出软件环境的下载链接如百度云、阿里云等。         提供完整源代码、数据库建表语句的下载路径。         提供演示地址、演示视频、操作所需要的测试账号、密码等。
二、课题特点（表现在符合专业培养目标上、表现在结合省情方面、表现在采用先进技术方面、表现在培养学生解决工程技术问题的能力上） 以最新高考数据作为分析数据集，进行有效志愿推荐、分数预测，比较精准。 将人工智能技术结合高考志愿填报这个热点话题，可以解决一定的志愿填报问题。 将人工智能、前后端开发融合一起进行开发，可以培养学生通过技术解决实际问题的能力。 可以为我省高考学生、即将高考的学生提供参考、浏览的高考网站，做到理论与实践相结合，学以致用。
三、此课题往届是否做过？若已做过，写明做过几次，本届有何新的要求？ 此类题目属于新题目，如果往届有重复的话，本项目相对往届项目有如下创新之处： 完整海量的最新本省高考数据； Springboot+vue.js全新的前后端分离架构响应快，页面UI新。 使用人工智能知识如SVD神经网络、MLP模型、知识图谱等去更加智能  的实现推荐算法。 海量数据的大数据实时可视化分析，数据更加直观前沿。
四、课题的难易程度、工作量（论文字数或说明书字数、图纸数量），以及对学生的知识、技能有何要求等 1.该课题属于算法仿真类的课题，课题需要实现4种深度学习推荐算法、一种机器学习预测算法、一个知识图谱关系图的设计、高考志愿填报业务等，难度适中。 2.需要查阅10-15篇中外高考推荐类系统的参考文献，理清中外同类系统设计的优势和劣势，分析深层次技术设计的原理，结合我省高考的特点进行个性化定制设计。需要设计约20个功能模块；编写5-10万行代码实现；测试部分需要用单元测试完成，设计100-200个单元测试用例，边开发边单元测试自测可以降低统一测试的难度和节约测试时间。 3.解决以上问题需要掌握springboot+vue.js开发框架、mysql数据库、深度学习算法知识、Python爬虫等。
完成本论文（设计）的条件是否满足？若不满足，如何解决？（含上机时数） 硬件环境：centos虚拟机、windows10笔记本电脑 软件环境：jdk1.8、maven、mysql、idea、hbuilder、pycharm等。 需求分析条件：使用“瀑布模式”完成功能的设计，整理出流程图，等待代码验证实现。 需要上机时数：每日上机约4-8小时*5天/周，共计10-15周可以完成代码开发。
六、教学系审核意见： 该题目符合专业培养目标和教学基本要求原则，能使学生受到全面的专业基本训练，选题紧密结合生产和社会实际，难度和工作量适当，具有学科性、专业性，能体现专业的主干学科方向。 同意作为毕业设计选题。                             教学系主任(签字)：        2023年   月   日
七、学院毕业论文(设计)工作领导小组审批意见： 经学院毕业论文（设计）工作领导小组审核，同意作为毕业设计选题。 组长(签字)：        2023年   月   日

注：1.若题目来源于教师的科研项目，请在“说明”处填写科研项目名称；若来源于生产/社会实际，请写明题目来源单位。

2.学生班级、学号和学生姓名栏只有在学生自拟课题时填写。

3.表格内中文字体均为宋体小四号，单倍行距；外文字体为“Times New Roman”（拉丁文采用斜体），字号、行间距等与中文相一致。

核心算法代码分享如下：

# -*- codeing = utf-8 -*-
# 创建预测所需要的数据用
#
import datetime

import numpy as np
import pandas as pd
import json
from db import db_util

d = db_util()
db, cursor = d.get_conn()

def insert_flow(name, n, v):
    sd1 = datetime.date(2023, 1, 1)  # 把数字字符变换成日期类型，赋值给一个变量

    v1 = v
    for i in range(1, n + 1):
        # sd1 = sd1 + datetime.timedelta(days=1)  # 加某个天数相加之后的日期
        sd1 = sd1 + datetime.timedelta(days=30)  # 加某个天数相加之后的日期
        # print(i)
        v1 = v1 + np.random.randint(50, high=100)
        sql = "replace into tb_flow(name,name2, v) values('%s', '%s', %f)"\
              % (sd1.strftime('%Y%m%d'), name, v1)
        cursor.execute(sql)
        db.commit()
    print("end..")

if __name__ == '__main__':
    v = 400
    #t = '换成学校名称'
    t = '武汉大学'
    insert_flow(t, 7, v)