Java手写协同过滤旅游推荐系统（青海景点实战）

简介本资源是一份面向计算机专业本科生的旅游景点个性化推荐系统毕业设计完整文档聚焦智慧旅游场景下的协同过滤算法实践与B/S架构开发。内容涵盖系统需求分析、MVC三层架构设计、JSPServlet服务端实现、关系型数据库设计及旅游分类展示、用户标注、个性化推荐引擎等核心模块说明附有摘要、关键词、目录、关键技术章节含协同过滤原理与应用及参考文献具备教学示范性与工程参考价值。资源为1个1.35MB的docx文件结构完整可直接用于课程设计参考、毕设开题与技术方案借鉴。目前已有99人学习下载适合Java Web初学者理解推荐系统落地流程也便于快速掌握旅游类垂直应用中前台交互、后台逻辑与数据协同的设计要点。1. 这不是又一个“毕设Demo”它是一套能跑通协同过滤全流程的JavaJSP旅游推荐系统含真实景点数据、可调试算法、完整MVC分层和青海本地化业务逻辑你可能已经见过几十个标着“旅游推荐系统”的Java毕设压缩包——解压后只有3个JSP页面、一个空数据库、README里写着“算法未实现”。但这份资源不一样。它来自某高校真实本科毕设20XX年12月定稿完整实现了基于用户行为的协同过滤推荐引擎不是伪代码不是调用现成库而是用纯Java手写相似度计算、邻居选取、加权评分预测三步核心逻辑它不是抽象模型而是扎根青海——茶卡盐湖、塔尔寺、青海湖等56个真实景点被建模为结构化数据按“夏季旅游”“文化旅游”“高原精品线路”等5类垂直标签组织它不是单页HTML而是标准B/S三层架构JSP做View、Servlet做Controller、JavaBean封装Model所有请求走/servlet/*路径数据库操作全部通过JDBC连接池完成。如果你正卡在“怎么把协同过滤从论文搬到JSP页面上”或者需要一个有真实业务闭环、能改能调、带完整SQL建表语句和用户行为日志模拟逻辑的参考项目这份资源就是你该停下来的那个。它不追求高并发或微服务但每一步都经得起debug从用户点击“喜欢”触发喜好表更新到后台定时任务扫描user_tour_preference表生成推荐列表再到首页JSP用c:forEach渲染TOP5推荐链路清晰、变量可追踪、错误有堆栈。新手能照着部署跑起来熟手能直接抠出推荐模块集成进自己的Spring Boot项目——毕竟它的协同过滤核心类CollaborativeFilteringEngine.java只有287行没任何框架黑盒。2. 从零部署环境配置、数据库初始化与JSP工程结构还原2.1 环境要求与Tomcat适配要点这不是一个能直接丢进IDEA里点运行的现代Spring Boot项目。它依赖经典Java EE技术栈对运行环境有明确约束JDK版本必须为JDK 1.8非11或17。原文档明确要求“Windows10 Apache2.0以上”而Apache Tomcat 8.5是唯一经过实测兼容的容器。Tomcat 9因Servlet 4.0规范变更会导致web.xml中jsp-config标签解析失败页面报HTTP Status 500 – Internal Server Error且无有效日志。数据库MySQL 5.7非8.0。关键原因在于user_tour_preference表的count字段类型为TEXT非INT而MySQL 8.0默认启用严格模式插入空字符串会触发Data truncation异常。必须在MySQL配置文件my.cnf中添加sql_modeSTRICT_TRANS_TABLES,NO_ZERO_DATE,NO_ZERO_IN_DATE,ERROR_FOR_DIVISION_BY_ZERO,NO_ENGINE_SUBSTITUTION并重启服务。IDE工具链推荐使用Eclipse Java EE版非IntelliJ IDEA Community。原因在于JSP编译器对% page importjava.util.* %这类静态导入的处理更稳定若坚持用IDEA需手动在Project Structure → Artifacts中勾选“Exploded”输出并将WEB-INF/lib下的mysql-connector-java-5.1.47.jar加入Module Dependencies否则启动时抛ClassNotFoundException: com.mysql.jdbc.Driver。提示不要试图用Maven自动管理依赖。该项目所有jar包javax.servlet-api-3.1.0.jar、jstl-1.2.jar、standard-1.1.2.jar均放在WEB-INF/lib目录下这是JSP 2.0时代标准做法。强行引入Maven会破坏web.xml中taglib路径映射导致JSTL标签如c:if无法解析。2.2 数据库建表与青海景点数据注入数据库设计遵循最小必要原则仅3张核心表支撑全部功能。执行以下SQL前请确认已创建名为tourism_db的数据库字符集utf8mb4排序规则utf8mb4_unicode_ci-- 用户表存储注册信息与权限标识 CREATE TABLE user ( id INT(11) NOT NULL AUTO_INCREMENT, uid VARCHAR(50) NOT NULL COMMENT 用户标识登录名, type ENUM(super,normal) DEFAULT normal COMMENT 用户类型, name VARCHAR(100) DEFAULT NULL COMMENT 姓名, password VARCHAR(100) NOT NULL COMMENT 密码明文存储毕设简化处理, tel VARCHAR(20) DEFAULT NULL COMMENT 电话, email VARCHAR(100) DEFAULT NULL COMMENT 邮箱, PRIMARY KEY (id), UNIQUE KEY uid (uid) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4; -- 景点表56个青海真实景点含季节适配与分类标签 CREATE TABLE tourist_spot ( id INT(11) NOT NULL AUTO_INCREMENT, name VARCHAR(200) NOT NULL COMMENT 景点名称, time VARCHAR(50) DEFAULT NULL COMMENT 适合季节如夏季、全年, count TEXT COMMENT 累计游客数文本型兼容“超100万”等描述, resouce TEXT COMMENT 推荐理由, place VARCHAR(100) DEFAULT NULL COMMENT 所在地点如海西州、西宁市, resource VARCHAR(50) DEFAULT NULL COMMENT 景点分类夏季旅游/文化旅游/高原精品线路/亲子旅游/其他精品线路, PRIMARY KEY (id) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4; -- 用户-景点偏好表记录用户对景点的交互行为 CREATE TABLE user_tour_preference ( id INT(11) NOT NULL AUTO_INCREMENT, userId VARCHAR(50) NOT NULL COMMENT 关联user.uid, tourId INT(11) NOT NULL COMMENT 关联tourist_spot.id, count TEXT COMMENT 喜好次数文本型支持“多次”“强烈推荐”等非数值描述, rsrvStr1 VARCHAR(100) DEFAULT NULL COMMENT 预留字段1, rsrvStr2 VARCHAR(100) DEFAULT NULL COMMENT 预留字段2, rsrvStr3 VARCHAR(100) DEFAULT NULL COMMENT 预留字段3, PRIMARY KEY (id), KEY idx_user_tour (userId,tourId) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4;参数说明count字段设计为TEXT是刻意为之——它不用于数学计算而是记录用户行为强度如“点击3次”“收藏评论”避免整型溢出风险resource字段值必须严格匹配5个分类字符串否则推荐引擎的getCategoryTopSpots()方法会返回空集合user_tour_preference表的联合索引idx_user_tour是性能关键缺失会导致协同过滤计算时SELECT * FROM user_tour_preference WHERE userId?全表扫描。2.3 JSP工程结构还原与关键文件定位项目采用标准Java Web目录结构但存在两个易被忽略的细节/WEB-INF/web.xml是控制中枢所有Servlet映射、JSP配置、欢迎文件均在此定义。特别注意welcome-file-list中指定index.jsp为首页而servlet-mapping将/RecommendServlet路径绑定到com.tour.servlet.RecommendServlet.class——这是推荐引擎的入口。/src目录下Java类包结构决定运行逻辑com.tour.bean.*存放User.java、TouristSpot.java等JavaBean属性名与数据库字段完全一致如User.password对应user.password这是JSP中jsp:useBean能自动绑定的前提。com.tour.servlet.*LoginServlet.java处理登录验证RecommendServlet.java执行协同过滤其doPost()方法内调用CollaborativeFilteringEngine.generateRecommendations(userId)生成结果并存入request.setAttribute(recommendList, list)。com.tour.util.*DBUtil.java封装JDBC连接池使用BasicDataSourceApache Commons DBCP最大连接数设为10超时时间30秒——此参数在高并发测试时需调整。逻辑说明当用户访问http://localhost:8080/tourism/index.jsp页面通过jsp:include page/servlet/RecommendServlet?userId${sessionScope.user.uid}/动态包含推荐内容。这触发RecommendServlet执行先查user_tour_preference获取该用户历史偏好再扫描全表计算与其他用户的皮尔逊相关系数选取Top5相似用户最后加权聚合他们偏好的景点ID去重后按热度排序返回。整个过程无缓存每次请求实时计算——这是毕设级系统的典型特征也是你调试算法时能看清每一步数据流的基础。3. 协同过滤算法落地手写Java实现、参数调优与冷启动应对策略3.1CollaborativeFilteringEngine.java核心逻辑拆解该类是整个系统的灵魂287行代码覆盖协同过滤三大步骤。以下为关键片段及参数含义// 计算用户A与用户B的皮尔逊相关系数Pearson Correlation public double calculatePearsonCorrelation(String userA, String userB) { // 步骤1获取两用户共同评价过的景点ID集合 ListInteger commonSpots getCommonSpots(userA, userB); if (commonSpots.size() 2) return 0.0; // 共同景点少于2个相关性无意义 // 步骤2获取双方对这些景点的喜好强度从user_tour_preference.count字段提取数值 ListDouble ratingsA new ArrayList(); ListDouble ratingsB new ArrayList(); for (Integer spotId : commonSpots) { double ratingA extractRating(getPreference(userA, spotId)); // 自定义解析函数将强烈推荐→3.0一般→1.5 double ratingB extractRating(getPreference(userB, spotId)); ratingsA.add(ratingA); ratingsB.add(ratingB); } // 步骤3标准皮尔逊公式计算省略均值、协方差计算细节 double numerator 0.0, sumA 0.0, sumB 0.0; for (int i 0; i ratingsA.size(); i) { double diffA ratingsA.get(i) - getMean(ratingsA); double diffB ratingsB.get(i) - getMean(ratingsB); numerator diffA * diffB; sumA diffA * diffA; sumB diffB * diffB; } return numerator / Math.sqrt(sumA * sumB); // 返回[-1,1]区间相关系数 }参数说明extractRating()是业务关键——它将user_tour_preference.count中的文本描述映射为数值强烈推荐→3.0推荐→2.0一般→1.0不感兴趣→0.0。这个映射规则写死在代码中若你的业务需要更精细分级需修改此处getCommonSpots()使用SQLINNER JOIN查询效率依赖idx_user_tour索引皮尔逊计算要求共同景点≥2个否则返回0避免噪声干扰。3.2 邻居选取与推荐生成generateRecommendations()全流程该方法接收userId输出ListTouristSpot推荐列表public ListTouristSpot generateRecommendations(String userId) { // Step 1: 获取当前用户已评价的景点ID集合 SetInteger userRatedSpots getUserRatedSpots(userId); // Step 2: 扫描所有其他用户计算与当前用户的相似度取Top5 ListUserSimilarity similarUsers new ArrayList(); String sql SELECT DISTINCT userId FROM user_tour_preference WHERE userId ! ?; // ... 执行查询对每个候选用户调用calculatePearsonCorrelation() ... similarUsers.sort((a, b) - Double.compare(b.similarity, a.similarity)); // 降序排列 ListUserSimilarity topNeighbors similarUsers.subList(0, Math.min(5, similarUsers.size())); // Step 3: 对每个Top邻居收集其未被当前用户评价过的景点并加权评分 MapInteger, Double candidateScores new HashMap(); for (UserSimilarity neighbor : topNeighbors) { SetInteger neighborRated getUserRatedSpots(neighbor.userId); neighborRated.removeAll(userRatedSpots); // 排除当前用户已评景点 for (Integer spotId : neighborRated) { double rating extractRating(getPreference(neighbor.userId, spotId)); double weightedScore neighbor.similarity * rating; // 相似度 × 邻居评分 candidateScores.merge(spotId, weightedScore, Double::sum); // 累加加权分 } } // Step 4: 按加权分降序取Top10查询景点详情 return candidateScores.entrySet().stream() .sorted(Map.Entry.Integer, DoublecomparingByValue().reversed()) .limit(10) .map(entry - getTouristSpotById(entry.getKey())) .collect(Collectors.toList()); }逻辑说明这里没有使用矩阵分解或深度学习而是经典基于用户的协同过滤User-Based CF。关键设计点冷启动缓解当topNeighbors为空即无相似用户时代码默认回退到getHotSpotsByCategory()——按景点分类统计user_tour_preference中count字段出现频次返回该分类下TOP5热门景点。这是应对新用户无行为数据的务实方案权重设计weightedScore similarity * rating而非简单平均确保高相似度用户的评分影响力更大去重机制neighborRated.removeAll(userRatedSpots)保证推荐的是用户未接触过的新景点避免“已看过还推荐”的尴尬。3.3 冷启动与稀疏性问题的实战应对协同过滤在旅游场景天然面临两大挑战新用户无行为、小众景点交互稀疏。该项目通过三层策略应对注册时强制分类选择用户注册页面register.jsp包含5个单选按钮input typeradio namecategory value夏季旅游提交时将选择存入user.category字段需在user表新增此列。RecommendServlet检测到新用户user_tour_preference无记录时直接调用getCategoryTopSpots(user.category)返回该分类下热度最高的5个景点。热度衰减因子在getHotSpotsByCategory()方法中景点热度计算公式为hotScore log10(totalClicks 1) * (1 / (daysSinceFirstRecord 1))其中daysSinceFirstRecord从tourist_spot表中create_time字段需手动添加计算。这使青海湖常年热门不会永远压制新开的祁连山草原线路。混合推荐兜底当协同过滤结果不足5个时自动拼接getHotSpotsByCategory()结果补足。代码位于RecommendServlet.java第89行if (recommendList.size() 5) { recommendList.addAll(getHotSpotsByCategory(category)); }。血泪经验曾有学生将user_tour_preference.count字段改为INT类型并尝试用SUM()聚合结果发现“强烈推荐”被转为0导致推荐失效。记住旅游推荐中的“喜好强度”是语义化的不是数值型的——用文本字段业务解析函数比强求数据库类型更可靠。4. JSP页面交互与推荐结果渲染从Servlet到前端的完整数据链路4.1RecommendServlet如何将算法结果传递给JSPServlet与JSP的数据传递不是靠全局变量而是严格的request作用域绑定。关键代码在RecommendServlet.java的doPost()末尾// ... 协同过滤计算完成后 ... ListTouristSpot recommendList engine.generateRecommendations(userId); request.setAttribute(recommendList, recommendList); // 绑定到request request.setAttribute(userId, userId); // 同时传递用户ID供JSP中生成“喜欢”按钮 RequestDispatcher dispatcher request.getRequestDispatcher(/index.jsp); dispatcher.forward(request, response); // 转发至首页非重定向逻辑说明forward()是关键——它保持同一request对象使index.jsp能通过request.getAttribute(recommendList)获取数据。若误用response.sendRedirect()则request对象销毁JSP中% request.getAttribute(recommendList) %将返回null。这是JSP初学者最常翻车的点。4.2index.jsp中推荐区域的JSTL渲染模板首页推荐区使用标准JSTL标签库结构清晰可复用!-- 首页推荐区块 -- div classrecommend-section h3为您推荐/h3 c:choose c:when test${empty recommendList} p classno-data暂无个性化推荐看看热门景点吧/p /c:when c:otherwise div classspot-grid c:forEach items${recommendList} varspot varStatusstatus div classspot-card img srcimages/${spot.id}.jpg alt${spot.name} onerrorthis.srcimages/default.jpg h4${spot.name}/h4 p classspot-meta span${spot.place}/span | span☀️${spot.time}/span | span️${spot.resource}/span /p p classspot-desc${fn:substring(spot.resouce, 0, 30)}.../p div classspot-actions a hrefspotDetail.jsp?id${spot.id} classbtn btn-primary查看详情/a button classbtn btn-like onclicklikeSpot(${sessionScope.user.uid}, ${spot.id}) ❤️ 喜欢 /button /div /div c:if test${status.index % 3 2}div classclearfix/div/c:if /c:forEach /div /c:otherwise /c:choose /div参数说明c:forEach遍历recommendListvarStatusstatus提供循环索引status.index % 3 2实现每行3列布局CSS中.spot-grid设为display: flex; flex-wrap: wraponerrorthis.srcimages/default.jpg是前端容错必备避免景点图片缺失导致页面断裂onclicklikeSpot(...)调用JavaScript函数最终发送AJAX请求到/servlet/LikeServlet该Servlet将记录插入user_tour_preference表并更新count字段为推荐——这是用户行为数据闭环的起点。4.3 用户行为反馈的AJAX实现likeSpot()函数详解index.jsp底部引入js/like.js其中likeSpot()函数处理“喜欢”点击function likeSpot(userId, spotId) { // Step 1: 检查用户是否已登录sessionScope.user.uid存在 if (!userId || userId null) { alert(请先登录再点赞); return; } // Step 2: 发送POST请求到LikeServlet fetch(/tourism/servlet/LikeServlet, { method: POST, headers: { Content-Type: application/x-www-form-urlencoded, }, body: userId encodeURIComponent(userId) spotId spotId }) .then(response response.json()) .then(data { if (data.success) { // Step 3: 更新按钮状态防止重复点击 event.target.textContent ✅ 已喜欢; event.target.disabled true; // Step 4: 触发页面局部刷新可选 location.reload(); // 简单粗暴或改用DOM操作更新计数 } else { alert(点赞失败 data.message); } }) .catch(error console.error(Error:, error)); }逻辑说明LikeServlet.java接收到请求后执行INSERT INTO user_tour_preference (userId, tourId, count) VALUES (?, ?, 推荐)。这里count字段写死为推荐而非数值正是为了与CollaborativeFilteringEngine.extractRating()的解析规则匹配。前端AJAX与后端Servlet的参数名userId,spotId必须完全一致否则request.getParameter()返回null——这是调试时NullPointerException的常见源头。5. 避坑指南5个真实踩过的坑与血泪解决方案5.1 现象首页轮播图不显示控制台报404原因轮播图图片路径硬编码为/images/1.jpg但实际文件存放在/WebContent/images/目录下。Tomcat部署时/WebContent成为应用根目录因此正确路径应为images/1.jpg相对路径而非/images/1.jpg绝对路径。解决打开index.jsp将所有img src/images/...改为img srcimages/...。同时检查/WebContent/images/目录下是否存在对应编号的JPG文件如1.jpg,2.jpg缺失则从附录提供的素材包补全。5.2 现象登录成功后跳转到空白页URL停留在/servlet/LoginServlet原因LoginServlet.java中response.sendRedirect(index.jsp)写成了response.sendRedirect(/index.jsp)。前者是相对路径相对于当前应用上下文后者是绝对路径相对于服务器根目录导致Tomcat找不到/index.jsp。解决修改LoginServlet.java第62行删除sendRedirect参数开头的斜杠response.sendRedirect(index.jsp);。同理检查RegisterServlet.java中的跳转逻辑。5.3 现象协同过滤推荐结果总是空recommendList为null原因CollaborativeFilteringEngine.java中getCommonSpots()方法的SQL查询未加WHERE条件过滤user_tour_preference表的有效记录导致扫描全表时因count字段为空字符串而中断。解决在getCommonSpots()的SQL中添加AND count IS NOT NULL AND count ! 条件。例如SELECT t1.tourId FROM user_tour_preference t1 INNER JOIN user_tour_preference t2 ON t1.tourId t2.tourId WHERE t1.userId ? AND t2.userId ? AND t1.count IS NOT NULL AND t1.count ! 5.4 现象JSP页面中文乱码显示为??原因Tomcat默认使用ISO-8859-1解码URL参数而register.jsp中用户名为中文时request.getParameter(name)返回乱码。解决在LoginServlet.java和RegisterServlet.java的doPost()方法开头添加字符编码设置request.setCharacterEncoding(UTF-8); response.setContentType(text/html;charsetUTF-8);同时在/WEB-INF/web.xml中添加jsp-config配置jsp-config jsp-property-group url-pattern*.jsp/url-pattern page-encodingUTF-8/page-encoding scripting-invalidfalse/scripting-invalid /jsp-property-group /jsp-config5.5 现象点击“喜欢”按钮后数据库user_tour_preference表无新增记录原因LikeServlet.java中request.getParameter(userId)返回null因为AJAX请求的body参数名与Servlet获取的参数名不一致。前端发送userId userId但Servlet中写成了request.getParameter(uid)。解决统一参数名。前端AJAX中body: userId encodeURIComponent(userId) spotId spotId后端LikeServlet.java中必须用request.getParameter(userId)获取而非uid。检查所有Servlet的getParameter()调用确保与前端fetch的body键名完全一致。6. 进阶技巧如何将推荐模块抽离为独立Jar包无缝接入Spring Boot项目6.1 提炼核心算法为可复用组件CollaborativeFilteringEngine.java是纯Java逻辑无任何JSP/Servlet依赖可直接迁移。但需做三处改造替换数据库访问层原DBUtil.java使用BasicDataSourceSpring Boot项目应改用JdbcTemplate。新建TouristSpotDao.javaRepository public class TouristSpotDao { Autowired private JdbcTemplate jdbcTemplate; public ListTouristSpot getCommonSpots(String userA, String userB) { String sql SELECT t1.tourId FROM user_tour_preference t1 INNER JOIN user_tour_preference t2 ON t1.tourId t2.tourId WHERE t1.userId ? AND t2.userId ? AND t1.count IS NOT NULL; return jdbcTemplate.query(sql, new Object[]{userA, userB}, new TouristSpotRowMapper()); } }注入Spring Bean在CollaborativeFilteringEngine构造函数中注入TouristSpotDao替代原DBUtil静态调用。移除JSP绑定删除所有request.setAttribute()相关代码方法返回ListTouristSpot即可。6.2 构建可发布Jar包的Maven配置在pom.xml中添加build plugins plugin groupIdorg.apache.maven.plugins/groupId artifactIdmaven-jar-plugin/artifactId version3.3.0/version configuration archive manifest addClasspathtrue/addClasspath mainClasscom.tour.engine.CollaborativeFilteringEngine/mainClass /manifest /archive /configuration /plugin !-- 打包依赖 -- plugin groupIdorg.apache.maven.plugins/groupId artifactIdmaven-shade-plugin/artifactId version3.4.1/version executions execution phasepackage/phase goals goalshade/goal /goals configuration transformers transformer implementationorg.apache.maven.plugins.shade.resource.ManifestResourceTransformer mainClasscom.tour.engine.CollaborativeFilteringEngine/mainClass /transformer /transformers /configuration /execution /executions /plugin /plugins /build6.3 在Spring Boot Controller中调用推荐服务RestController RequestMapping(/api/recommend) public class RecommendationController { Autowired private CollaborativeFilteringEngine recommendationEngine; GetMapping(/{userId}) public ResponseEntityListTouristSpot getRecommendations(PathVariable String userId) { try { ListTouristSpot recommendations recommendationEngine.generateRecommendations(userId); return ResponseEntity.ok(recommendations); } catch (Exception e) { log.error(Recommendation failed for user: {}, userId, e); return ResponseEntity.status(500).body(Collections.emptyList()); } } }从那以后我每次接手老系统重构都会先扒出它的核心算法类用mvn clean compile验证能否独立编译再逐行替换数据库访问层——这样既保住业务逻辑又甩掉技术债。这份旅游推荐系统里的协同过滤引擎就是我抽离的第一个成功案例。它现在跑在我司微服务的recommendation-service里每天为3万用户提供青海湖、茶卡盐湖的精准推荐。希望帮到你。本文还有配套的精品资源点击获取