【开题答辩全过程】以 基于大数据的化妆品推荐系统为例，包含答辩的问题和答案

个人简介

一名14年经验的资深毕设内行人，语言擅长Java、php、微信小程序、Python、Golang、安卓Android等

开发项目包括大数据、深度学习、网站、小程序、安卓、算法。平常会做一些项目定制化开发、代码讲解、答辩教学、文档编写、也懂一些降重方面的技巧。

感谢大家的关注与支持！

各位老师好，我是 XX 同学，本次课题是“基于大数据的化妆品推荐系统”。系统主要面向想快速买到适合自己化妆品的用户，核心功能有：用户注册登录、肤质问卷、商品浏览、个性化推荐、收藏下单、评价反馈以及后台的商品与订单管理。技术栈采用 Java+JSP 做表现层，SpringBoot 搭业务框架，MyBatis 负责持久层，MySQL 存业务数据，爬虫+Kafka 采集清洗商品与评论数据，推荐算法先用轻量级的协同过滤，后期再接入混合模型。界面用 Bootstrap 快速搭建，保证手机端也能正常访问。下面请各位老师批评指正。

评委老师：为什么选择“化妆品”这个垂直领域，而不是通用商品推荐？
答辩学生：化妆品决策维度多（肤质、季节、品牌、成分），用户痛点明显，选错容易过敏，推荐价值高；另外我姐做代购，数据源和测试用户比较好找。

评委老师：系统给谁用？主要用户角色有哪些？
答辩学生：分两类：前端买家——注册后填写肤质、浏览商品、接收推荐、下单评价；后台管理员——负责商品上架、订单发货、查看统计数据。

评委老师：数据从哪来？量有多大？
答辩学生：先用 Python 爬取天猫公开商品页和评论，大概 3 万条商品、30 万条评论做冷启动；上线后用户行为数据慢慢积累，目标半年内达到 50 万条行为日志。

评委老师：推荐算法具体怎么做？用深度学习了吗？
答辩学生：第一阶段用基于用户的协同过滤，代码少、好调试；等数据量过 10 万后再把商品文本特征（功效、成分）用 TF-IDF 向量化，做加权混合推荐。深度学习模型训练成本高，放在二期优化。

评委老师：用什么指标评价推荐效果？
答辩学生：离线用准确率和召回率；在线做 A/B 测试，看推荐位点击率和下单转化率；另外收集“喜欢/不喜欢”反馈，算满意度。

评委老师：数据库怎么设计？核心表几张？
答辩学生：五张核心表：用户表、商品表、订单表、评价表、行为日志表；用户表存肤质标签，商品表存成分、功效关键词，行为日志表埋点记录“点击、收藏、购买”三种事件。

评委老师：如果两个用户填的肤质一样，但一个油皮冬天干，一个油皮夏天油，怎么区分？
答辩学生：问卷里加了季节和使用场景两个字段，算法会把“油皮+冬季+空调房”当成细分标签，再去找相似用户，不会只看“油皮”两个字。

评委老师：系统怎么保证实时性？
答辩学生：评论和库存每天凌晨跑一次批量更新；用户行为用 Kafka 发消息，推荐服务异步消费，平均延迟控制在 5 分钟以内。

评委老师：遇到恶意刷单、刷好评怎么办？
答辩学生：后台加简单规则引擎：同一 IP 一天超过 20 条评论自动进审核；新注册账号 24 小时内评价权重降 50%；后期再接入京东云的内容安全接口自动鉴黄鉴垃圾。

评委老师：开发进度怎么安排？
答辩学生：2025.1.10-2.10 需求+原型；2.10-3.10 数据库、爬虫、推荐接口；3.10-4.10 前后端联调、支付物流打通；4.10-5.20 测试上线、写论文；5.20-6.01 答辩准备。

评委老师总结：
XX 同学选题贴近生活，目标明确，技术路线清晰，进度安排可行。建议后期重点关注数据质量和用户隐私合规，继续完善算法的冷启动方案。总体来看，开题报告达到了本科毕业设计要求，同意开题，预祝顺利完成。

以上是某同学的毕业设计答辩的过程，如果你现在还没有参加答辩，还是开题阶段，已经选好了题目不知道怎么写开题报告，可以下面找找有没有自己符合自己题目的开题报告内容，列表中的开题报告都是往届真实的开题报告，可发送使用或参考。文末或底部来联xi可免费获取

最后

有时间和有基础的同学，建议自己多花时间找一下资料（开题报告、源码）自己独立完成毕设，需要开题报告内容、源码参考的，可以联xi博主，没有选题的也可以联系我们进行帮你选题、定功能和建议。