wayichao / bishe

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

旅游景点推荐系统

毕设

使用了apriori算法 写在RuleService里

springboot+vue

html文件夹中使用的是单个文件集成vue2进行跳转

目前维护的是web文件夹下使用vue3脚手架搭建的spa 交互和之前一样

Done

  • axios拦截器实现日志打印

TODO:

S

  1. 退出登录功能和前端的token存放位置调研
  2. 错误码规范 改造commonReturnType类 避免status字符串匹配和多个数据需要传输时的intent结构

p0

  1. 接口改造,不再维护功能耦合的接口,不再维护初版前端代码可运行
  2. 有一些写在controller层的逻辑 预期下沉到service层
  3. 前端登录状态改造
  4. 用拦截器和AOP实现登录校验
  5. 之前的原始数据采用手动访问接口的方式访问数据库 考虑搭建管理员系统 //答辩被怼的点
  6. 爬取游记的Python文件改造 集成至这个系统 利用springboot的定时任务定时爬取

p1

  1. 代码规范改造
  2. 实践DDD 将service层的逻辑按照语义迁移至domainModel 进行对象的交互

apriori算法介绍

关联规则挖掘的一种具体实现 形式化描述见论文 这里只写定义和推导

所有项目组成集合I

I的子集称作事务,组成事务集合D

D中的每个元素ti对应一个I的子集

X是一个项目集

事务集D中项目集X的支持度等于包含X的事务占D中事务总数的比例,即

sup(X)=有X的事务的数量/D中事务的总数

sup(X=>Y)=有X和Y的事务数量/D中事务的总数

由上面两个公式 可以推导出在D这个事务集合中

X推导出Y的置信度conf(X=>Y)=sup(X=>Y)/sup(X)=有X和Y的事务数量/有X的事务的数量

由置信度的推导可以得到 只要设定一个阈值 当conf>阈值 则认为X=>Y成立 就可以将X、Y合并成更大的集合

即从lk推导为lk+1

About


Languages

Language:Java 69.6%Language:Vue 17.0%Language:JavaScript 8.5%Language:TypeScript 3.9%Language:HTML 0.8%Language:Shell 0.1%