计算机毕设音乐网站系统 计算机毕业设计之JavaWeb个性化音乐推荐系统 音乐网站...

开发技术

前端：JQuery HTML CSS

后端：JSP+Servlet+JDBC

算法：标签推荐、热门推荐

代码开源地址

特色

推荐算法、注释丰富、纯经典MVC架构

功能

1、用户登录

(1) 用户基本信息展示、修改

(2) 用户收藏列表

(3) 用户听歌记录

2、网站主要实现功能

(1) 热门歌曲推荐

(2) 用户喜欢歌曲推荐

(3) 歌曲排行推荐

① 人气排行(根据听曲人数总量确定)

② 下载排行(根据歌曲下载次数确定)

③ 收藏排行(根据歌曲被收藏的次数确定)

(4) 歌曲搜索

(5) 歌曲评论及展示

(6) 歌曲区分类展示(为歌曲定义标签并分标签展示)

(7) 用户给歌曲打标签(标签是系统推荐的标签，用户只能在其中选择(此标签在整个系统中不起作用，只对于此用户起作用))

3、管理员功能

(1) 管理员页面与普通用户页面展示不同

(2) 上传并管理所有歌曲

① 上传歌曲

② 为歌曲定义标签

③ 删除歌曲

④ 修改歌曲基本信息

(3) 管理用户信息

(4) 管理评论信息

运行截图

个性化音乐推荐系统

个性化音乐推荐系统

个性化音乐推荐系统

个性化音乐推荐系统

个性化音乐推荐系统

个性化音乐推荐系统

个性化音乐推荐系统

个性化音乐推荐系统

个性化音乐推荐系统

个性化音乐推荐系统

核心推荐算法代码实现

package com.controller;

import java.io.IOException;

import java.io.PrintWriter;

import java.util.ArrayList;

import java.util.HashMap;

import java.util.Map;

import javax.servlet.ServletException;

import javax.servlet.http.HttpServlet;

import javax.servlet.http.HttpServletRequest;

import javax.servlet.http.HttpServletResponse;

import net.sf.json.JSONObject;

import com.entity.SongList;

import com.entity.SongListWithSong;

import com.service.SongListServiceImpl;

import com.service.SongListServiceInter;

import com.service.SongListWithSongServiceImpl;

import com.service.SongListWithSongServiceInter;

/**

* 标签推荐

* @author 29207

*

*/

public class TagsRecommendServlet extends HttpServlet {

@Override

protected void doPost(HttpServletRequest request, HttpServletResponse response)

throws ServletException, IOException {

doGet(request, response);

}

@Override

protected void doGet(HttpServletRequest request, HttpServletResponse response)

throws ServletException, IOException {

Map songListTagsNameMap = new HashMap();//存储歌单标签名字和出现次数

java.util.List> songListTagsNameListClassement = new ArrayList>();//存储排序后歌单标签名字和出现次数

PrintWriter out = response.getWriter();

//获取歌单编号

String songListIdString = request.getParameter("songListId");

int songListId = Integer.parseInt(songListIdString);//歌单编号

//声明查询歌单的服务

SongListServiceInter songListService = new SongListServiceImpl();

//用于存放所有歌曲存在的所有歌单

ArrayList allSongLists = new ArrayList();

//查询该歌单中存在的歌曲

//声明songListWithSong(歌曲歌单表服务对象)

SongListWithSongServiceInter songListWithSongService = new SongListWithSongServiceImpl();

//调用方法

ArrayList songListWithSongs = songListWithSongService.selectSongListWithSongOfSongLIstId(songListId);

//遍历，获取其中的歌曲编号

for (SongListWithSong songListWithSong : songListWithSongs) {

int songId = songListWithSong.getSongId();//获取每一个歌曲编号

//根据歌曲编号，查询该歌曲存在在哪些歌单中

ArrayList songFromSongLists = songListWithSongService.selectSongListIdFromSongListWithSongOfSongId(songId);

//遍历，取出每个歌单的歌单编号，根据歌单编号查找歌单

for (SongListWithSong songListWithSong2 : songFromSongLists) {

int oneSongFromsongListId = songListWithSong2.getSongListId();

//根据歌单编号查询歌单信息

SongList oneSongList = songListService.selectSongListOfSongListId(oneSongFromsongListId);

//把该歌单存入allSongLists

allSongLists.add(oneSongList);

}

}

System.out.println("==========我是标签推荐服务=========");

//一个歌单中所有歌曲涉及到的所有歌单为allSongLists

int allSongListsLen = allSongLists.size();

UserSongListRecommendServlet userSongListRecommendServlet = new UserSongListRecommendServlet();

songListTagsNameMap = userSongListRecommendServlet.getSongListTagsNameMap(allSongListsLen, allSongLists, songListTagsNameMap);

songListTagsNameListClassement = userSongListRecommendServlet.songListTagsNameComm(songListTagsNameMap);//标签排序后

int songListTagsNameListClassementLen = songListTagsNameListClassement.size();

JSONObject tagsRecommJsonObject = new JSONObject();

System.out.println("排序后长度：" + songListTagsNameListClassementLen);

if (songListTagsNameListClassementLen == 0) {

out.print("null");

}else {

if (songListTagsNameListClassementLen <= 5) {

for (int i = 0; i < songListTagsNameListClassementLen; i++) {

String tagsRecomm = songListTagsNameListClassement.get(i).getKey();

tagsRecommJsonObject.put(i, tagsRecomm);

}

}else {

for (int i = 0; i < 5; i++) {

String tagsRecomm = songListTagsNameListClassement.get(i).getKey();

tagsRecommJsonObject.put(i, tagsRecomm);

}

}

System.out.println("推荐标签JSON===" + tagsRecommJsonObject);

out.print(tagsRecommJsonObject);

}

}

}