BS1063-基于大数据分析实现个性化音乐在线推荐平台，音乐资源分析平台

本基于大数据分析实现个性化音乐在线推荐平台，音乐资源分析平台，系统主要采用java，hbase，springboot，mysql，mybatis，网络爬虫，音乐播放器，数据分析存储技术，实现基于互联网音乐资源的信息管理系统，
针对音乐资源实现线上用户的收藏，播放，推荐以及个性化音乐资源的监控分析等功能。
系统前台主要包含：用户登录注册，音乐歌单，音乐播放，音乐列表，音乐详情，歌单推荐，歌手推荐等模块
系统后台主要包含：歌曲管理，歌手管理，歌单管理，用户管理，资源分析，数据可视化大屏。

原文地址

一、程序设计

本基于大数据分析实现个性化音乐在线推荐平台，音乐资源分析平台的设计与实现，主要内容涉及：

主要功能模块：用户登录注册，音乐歌单，音乐播放，音乐列表，音乐详情，歌单推荐，歌手推荐等模块。
主要包含技术：java，hbase，springboot，mysql，mybatis，数据分析存储技术，数据关键词提取，IK分词，音乐播放器，echarts动态图表
主要包含算法：协同过滤推荐算法，IK，数据分析计算等

二、效果实现

系统首页

歌单推荐

歌手推荐

后台管理

歌手管理

大数据可视化

其他效果省略

三、代码实现

音乐资源播放器，采用H5播放器，监听用户操作实现播放，暂停，下一曲，上一曲功能

//为播放器绑定播放完成事件
player.addEventListener('ended',function () {//清除上一首播放状态clearstatus();currentIndex++;if(currentIndex>=musics.length){currentIndex=0;}//重新为播放器设置播放源player.src=musics[currentIndex].path;//继续播放startPlay();
});//上一首
document.querySelector('.btn-pre').addEventListener('click',function () {clearstatus();currentIndex--;if(currentIndex<0){currentIndex=musics.length-1;}//重新为播放器设置播放源player.src=musics[currentIndex].path;//继续播放startPlay();});
//下一首
document.querySelector('.btn-next').addEventListener('click',function () {clearstatus();currentIndex++;currentIndex=currentIndex%musics.length;//重新为播放器设置播放源player.src=musics[currentIndex].path;//继续播放startPlay();
});

音乐资源推荐模块，主要采用基于用户协同规律+关键词分析实现，发现用户之间具备相同收听喜好的音乐关联，实现音乐资源的推荐

/*** 音乐资源推荐算法，
/*
@RequestMapping(value = "/getRecommendList", method = RequestMethod.GET)
public String getRecommendList(Model model, HttpServletRequest request) {HttpSession httpSession = request.getSession();String name = httpSession.getAttribute("name").toString();// 获取userIdint orginal = userService.getUserByName(name).getId();// 获取所有用户和歌曲的关联List<Enshrine> all = enshrineService.getAll();// 创建用户推荐map，数据结构为 key:Integer 对应用户id value:List 对应一个广告的id集合HashMap<Integer, List<Integer>> userRecommend = new HashMap();// 遍历所有的关联for (int i = 0; i < all.size(); i++) {// 获取每一个用户和歌曲Idint userId = all.get(i).getUser_id(); //第一次循环 userId=1int movieid = all.get(i).getMovie_id(); // 第一次循环 movie_id=2// 如果推荐map中有以当前用户为Key的数据if (userRecommend.containsKey(userId)) {// 根据用户id获取map对应的valueList<Integer> recommendTemp = userRecommend.get(userId);// 在拿到的集合中添加新的歌曲idrecommendTemp.add(movie_id);// 更新此key valueuserRecommend.put(userId, recommendTemp);} else {// 如果不包含，新建一个集合，然后将Key value放入mapList<Integer> recommendTemp = new ArrayList<>();recommendTemp.add(movie_id);                 userRecommend.put(userId, recommendTemp);       }}      List<Integer> myRecommend = new ArrayList<>(); if (userRecommend.containsKey(orginal)) {       myRecommend = userRecommend.get(orginal);      } else {myRecommend = new ArrayList<>();}    HashSet<Integer> myRecommendSet = new HashSet<Integer>(myRecommend);double maxValue = 0;int maxId = -1;for (int key : userRecommend.keySet()) {  if (key == orginal) {continue;}List<Integer> thisRecommend = userRecommend.get(key);       HashSet<Integer> thisRecommendSet = new HashSet<>(thisRecommend);      HashSet<Integer> intersection = new HashSet<>(myRecommendSet);     intersection.retainAll(thisRecommendSet);HashSet<Integer> union = new HashSet<>(myRecommendSet);       union.addAll(thisRecommendSet);     if (union.size() == 0) {continue;} else {         double ratio = (double) intersection.size() / union.size();if (ratio > maxValue) {              maxValue = ratio;maxId = key;}}}// 创建歌曲推荐列表List<Integer> MovieRecommendList = new ArrayList<>();//　如果ｍａｘＩＤ没有被更改过，则为当前登录用户IDif (maxId == -1) { //此时maxId = 2maxId = orginal;} else {// 如果被更改过，就从推荐列表中取出key为maxId（maxId为拥有最大交集的用户id） 的歌曲列表，HashSet<Integer> differenceTemp = new HashSet<>(userRecommend.get(maxId)); // differenceTemp = [2,3,4]// maxId用户歌单列表中的歌曲 - 我的歌单列表中的歌曲 = 我没有的歌曲differenceTemp.removeAll(myRecommendSet); // differenceTemp = [4] 所以，在推荐列表中就会出现id为4的歌曲，剩下的就是计算相似度和将歌曲传到前台了！MovieRecommendList = new ArrayList<Integer>(differenceTemp); }// 一下代码就是从我没有的歌曲列表id中取得歌曲信息List<Advertisement> movies = new ArrayList<>();for (int i = 0; i < MovieRecommendList.size(); i++) {Advertisement movie = advertisementService.getMovieById(MovieRecommendList.get(i));movies.add(movie);}model.addAttribute("professor", movies);DecimalFormat df=new DecimalFormat("0.00");String similar = "歌单相似度："+df.format((float)myRecommendSet.size()/(myRecommendSet.size()+movies.size())*100)+"%";System.out.println(similar);model.addAttribute("similar", similar);return "recommend";
}

数据可视化分析模块，主要采用echarts动态图表，针对系统内部的所有资源建立分析模型，封装分析接口，绑定echarts图表展示

var publicNumChart = echarts.init(document.getElementById('publicNumId'));var urlList = baseURL + "counts/cxtj/task/1/DS_INDEX_GDYYFB_COUNTS_TASK/datas";var option;$.get(urlList, function (r) {let datares = r.result.value;var resArr = dataresvar xunArr = []var jingArr = []var dateArr = []for (var i = 0; i < resArr.length; i++) {xunArr.push(resArr[i].value)jingArr.push(resArr[i].value)dateArr.push(resArr[i].name)}option = {tooltip: {trigger: 'axis'},legend: {x: '35%',y: '0%',data: ['歌手', '数量'],textStyle: {color: "#fff",fontSize: 8},itemWidth: 10,itemHeight: 10,},calculable: true,xAxis: [{type: 'category',data: dateArr,axisLabel: {interval: 0,textStyle: {fontSize: 8,color: 'rgba(255,255,255,.7)',}},"axisTick": {       //y轴刻度线"show": false},"axisLine": {       //y轴"show": false,},}],yAxis: [{type: 'value',scale: true,name: '单位：%',nameTextStyle: {color: 'rgba(255,255,255,.7)',fontSize: 8},max: 30,min: 0,boundaryGap: [0.2, 0.2],"axisTick": {       //y轴刻度线"show": false},"axisLine": {       //y轴"show": false,},axisLabel: {textStyle: {color: 'rgba(255,255,255,.8)',fontSize: 8// opacity: 0.1,}},splitLine: {  //决定是否显示坐标中网格show: true,lineStyle: {color: ['#fff'],opacity: 0.2}},},{type: 'value',scale: true,show: false,// name: "销量额(万元)",nameTextStyle: {color: 'rgba(255,255,255,.2)',},max: 1,min: 0,boundaryGap: [0.2, 0.2],"axisTick": {       //y轴刻度线"show": false},"axisLine": {       //y轴"show": false,},axisLabel: {textStyle: {color: 'rgba(255,255,255,.2)',// opacity: 0.1,}},splitLine: {  //决定是否显示坐标中网格show: true,lineStyle: {color: ['#fff'],opacity: 0.2}},}],color: ['#2E8CFF', '#38EB70'],grid: {left: '5%',right: '1%',top: '25%',bottom: '15%'// containLabel: true},series: [{animationDuration: 2500,barWidth: '20%',name: '歌手',type: 'bar',data: xunArr,},{barWidth: '20%',name: '数量',type: 'bar',data: jingArr,}],animationEasing: 'cubicOut'};publicNumChart.setOption(option)});setInterval(function () {publicNumChart.clear()publicNumChart.setOption(option)}, 60000)}

BS1063-基于大数据分析实现个性化音乐在线推荐平台，音乐资源分析平台相关推荐

大数据统计分析毕业设计_基于大数据分析的电子信息类专业毕业设计成绩影响因素研究...
基于大数据分析的电子信息类专业毕业设计成绩影响因素研究温芳琴 [期刊名称] <佳木斯教育学院学报> [年 ( 卷 ), 期] 2019(000)011 [摘要] 通过收集苏州科技大学天 ...
基于大数据分析技术在会计方面的研究
第一节摘要在现如今大数据时代的背景下,有越来越多的企业正经受着数据网络的考验,其中很突出的就是管理會计,作为企业财务中一个重要的组成部分,是持续为企业整合和加工财务资料的职务,管理会计正为企业发 ...
基于大数据分析的葡萄酒品质鉴别系统设计与实现
温馨提示:文末有 CSDN 平台官方提供的学长 Wechat / QQ 名片 :) 1. 项目背景葡萄酒品鉴既是一门科学,也是一门艺术.品鉴葡萄酒,首先当然要能鉴别酸.甜.苦.咸.鲜五种基本味道,它 ...
基于大数据分析的安全管理平台技术研究及应用
http://www.venustech.com.cn/NewsInfo/531/25566.Html [内容摘要]本文首先通过介绍大数据的起因,给出了大数据的定义和特征描述,并简要说明了当前大数据的 ...
【基于大数据分析的物流可视化管理系统（python+Django）-哔哩哔哩】 https://b23.tv/gUc8lk6
[基于大数据分析的物流可视化管理系统(python+Django)-哔哩哔哩] https://b23.tv/gUc8lk6 https://b23.tv/gUc8lk6
HTML+CSS+JS网页设计期末课程大作业：音乐在线网站设计——音乐在线听平台网站(26页) 网页设计成品DW静态网页Html5响应式css3
HTML5期末大作业:音乐在线网站设计--音乐在线听平台网站(26页) HTML+CSS+JavaScript 学生DW网页设计作业成品 web课程设计网页规划与设计计算机毕设网页设计源码常见网页 ...
基于大数据分析的学生综合测评系统
1.1 研究背景在大数据时代背景下,需要处理的各种数据或信息量非常大,必须要借助于相关的技术和手段来对大量的数据实施整合和管理,同时各项活动的开展和各种决策的制定往往离不开大数据的分析,因此大数据分 ...
基于大数据背景下的全国各大城市地铁客流量分析
目录第一章项目介绍第二章项目组织与项目计划第三章数据采集 3.1 数据采集目标 3.2 数据采集工具与方法 3.3 数据采集流程 3.4 数据采集保存 3.5 本章小结第四章数据预处理 ...
【Python程序设计】基于Python Flask的网易云音乐歌单采集与可视化分析平台-源码经过调试，100%可运行
基于Python Flask的网易云音乐歌单采集与可视化分析平台项目获取一.项目简介二.开发环境三.项目技术四.功能介绍五.功能结构六.运行截图项目获取获取方式(点击下载):是云猿实 ...