基于SpringBoot的微博的设计与实现开题报告

1. 研究目的与意义

伴随着时代和经济的发展，同时互联网和宽带上网的普及，网络传输以其特有的快速、高效、便捷的传输方式越来越被人们接受。在当今社会的影响下，人们因为快节奏的工作和生活产生了极大的压力，这时就需要一个放松的环境去释放这些压力，因此在线类似微博的网站也就应运而生了。与此同时，这也为广大爱好者提供了一个交流的平台，能让彼此互相了解。

本课题是基于springboot的微博的设计与实现，与传统的微博不同，本系统更多的是视频的分享与交流，解决人们日渐需要的娱乐需求。通过分享或查看其他用户的视听内容，使自己状态得到放松。同时用户也能主动选择自己所需要的浏览内容。

2. 课题关键问题和重难点

基于springboot框架实现的微博系统分为五个个大模块：游客模块、视频用户模块、管理员模块、视频点播模块，消息模块，后台视频管理模块。

游客、管理员、视频用户三者的权限不同，管理员可以对所有内容进行增删查改，游客只能对系统的内容进行查看，无法上传或者点评。视频用户可以查看评论同时也可以上传视频，经过管理员审核通过后即可发布。视频用户可以在个人中心自行修改自己的信息与密码，无法查看或者修改他人的信息。

本课题的关键：

3. 国内外研究现状（文献综述）

微博（weibo）是一种基于用户关系信息分享、传播以及获取的通过关注机制分享简短实时信息的广播式的社交网络平台。用户可以通过web、wap等各种客户端实现即时分享。微博的关注机制分为可单向、可双向两种。微博作为一种分享和交流平台，其更注重时效性和随意性。2009年8月新浪推出“新浪微博”内测版，成为门户网站中第一家提供微博服务的网站。2014年3月27日晚间，在中国微博领域一枝独秀的新浪微博宣布改名为“微博”，并推出了新的logo标识，新浪色彩逐步淡化。

在用户的使用过程中推荐算法是系统中最为重要的部分。基于内容的推荐算法一般是通过对目标用户的历史行为进行统计,而行为又分为显示反馈、隐式反馈。用户观看完视频后对视频所打的分就是对视频的显式反馈数据,而用户观看了视频但是没有进行打分的这些阙频颊威是伸式反饿数担，根据与目标用户有过交互的视频得到用户的接好，然后基于用户行为计算其他视颊的相似程度.门将最相似的视频推荐给用户。匡後等针对点击率预测准确性较差的情形将特征工程和机器学习结合,提高了视频点击率预测算法的准确率。对视频进行特征提取，有效地避免了冷启动的问题,但是特征的提取可能会比较困难。基于协同过泷算法是godbteg等人提出的，在实际生活中最为常用的一种推荐算法，算法通过找寻与目标用户相似的用户进而推荐视须.文献中将协同过滤方法分成两类.基于近邻和基于模型.基于近邻是直接使甲用效集到的数据进行相似性判玩.甚于模型则是对具体用户构建伸好模型然后进行推荐。

4. 研究方案

1.设计方案

微博系统整体架构分为两个大的模块：前台系统模块和后台视频管理模块。前台系统模块分为游客模块，视频用户模块，视频点播模块，消息模块，后台视频管理模块分为用户管理模块和视频管理模块。

5. 工作计划

2022-2023-1学期：

第15-16周：完成选题，查阅相关中英文资料，进行相关技术的学习；

第17周：与导师沟通进行课题总体规划；