【基于文本挖掘的音乐其可视化系统设计9300字（论文）】

XVII5.开发技术介绍5.1硬件开发平台5.1.1计算机配置介绍针对于计算机的配置来说，如果想尽可能提高工作的效率以及程序员的使用体验，那么当代i7+16G内存+大容量固态+主流级别独显，是最低要求。我的计算机开发配置是i78700+16G双通道+256G-512GNVME固态+1050，能保证大数据开发运行流畅。5.2软件开发平台5.2.1PythonPython语言简单易学，做数据分析也很方便，只需要下载Python自带的资源包，就能够很方便的重网页中爬取想要的数据，也能在Python平台调取音乐推荐的相关相似度算法，计算用户之间的相似度，所以选取Python来进行开发。5.2.2MySQL数据库MySQL数据库之所以能被广泛应用是因为其独特的特点更适合应用于个人及小型企业，MySQL具有以下特点及优势：（1）完全开源MySQL最引人注目的优势就是相比于其他数据库它是开源的。当然，开源并不意味着完全地免费，对于某些部分还是要收费的。但是开源特性这就可以使得用户自己能够独立地进行某些机制的修改。MySQL采用GPL，这也就是说用户可以按照自己的意愿来修改源代码。（2）快速和易于使用的更新相比于存在于当代的其他数据相比，MySQL数据库的更新操作会更快。每当有了新的版本要发布的时候，MySQL数据库就会第一时间告知用户。Linuxweb服务器已经在用户方面取得了巨大的成效，MySQL在Linux上面也取得了不错的应用效果。MySQL数据库不是很强大，但是它有很多优点:可以应用于大部分的开发软件，确保源代码的可移植性。支持各种操作系统。为现存的开发软件提供了API。支持多线程操作来为cpu节省资源。优化了查询算法，节省了查询的时间。它可以独立地应用于某一个网络服务中，也可以作为一个独立的数据存储空间应用于其他开发软件。提供多语言支持。为用户提供多个数据连接方式。为用户管理数据库提供了许多管理工具。支持各种各样的数据存储引擎。5.2.3Spark分析介绍因为本次毕业设计是对1000条音乐信息分析，如果一条一条计算分析需要大量的时间，而基于Spark的方式则可以同时对多条音乐信息并行计算，多维分析，节约大量的时间，效率上能够大大提升。5.2.4SpringBoot微服务架构，SpringBoot是由Pivotal团队提供的全新框架，它是Java平台上的一种开源应用框架，它既继承了Spring框架的优点，同时又简化了部分配置。从根本上讲SpringBoot就是一些库的集合。SpringBoot提供自动化配置，使用SpringBoot只需要编写必要的代码和配置必需的属性。使得开发过程更加简便、快捷。所以我选择用SpringBoot。6系统测试6.1系统功能测试在这部分主要是通过以下几方面对系统进行测试，测试类型其中包括：安全测试：对用户的非法请求例如用户名输入错误进行测试。压力测试：爬取庞大的音乐数据信息，然后让系统进行分析，看系统能否正常运行。功能测试：对系统各个功能进行全面的测试，测试每一模块是否能正常运行。6.2测试案例及实施软件要进行正式的应用前，一定要经过许多次的测试，主要测试软件的内容是否和最初的设计符合，目前所有的功能是否好用，信息的展示是否正确，页面的展示是否美观，系统的操作是否简便，是否符合用户操作网站的习惯。如果系统无法通过测试，则该系统无法进行应用，系统可以经过测试，测试出许多的缺陷，从而进行完善，让系统更加的具有使用价值。单元测试：将系统分割为各个大模块，每个模块都对其进行测试，主要测试模块内的功能是否符合预期要求。循环测试：将测试后的内容，再次进行测试，应用不同的形式进行测试。集成测试：将整个系统统一的进行测试，根据各个业务的联通，测试数据的流通是否正确。7总结及展望通过本次的毕业设计让我在诸多方面都收获了很多知识，其中包括增长了独立搭建项目的能力和丰富了相关专业额外的知识，令我收获颇多，具体的我会通过以下几个方面进行总结。首先，我的毕业设计研究题目是基于文本分析的音乐推荐系统及其数据可视化，针对于此课题，我大致完成了以下几个方面。首先是前期对文本分析以及大数据智能分析由浅入深的理解，通过网上的快速培训学会了Python开发语言，为后期搭建项目打下了基础。然后就是系统地将整个音乐数据分析系统分成了三大模块，分别是数据收集，数据处理与分析，数据展示。那么在数据收集阶段，我主要学习scrapy爬虫框架，利用此框架来爬取音乐信息，作为整个音乐数据分析系统的数据源。然后就是数据处理与分析层次，我从相关的项目中了解到，大数据分析一般都会使用spark计算框架来对大数据进行分析，然后就通过论坛以及网络课程的学习来学习如何应用spark框架，然后并将其运用到我的项目中。在最后的数据展示方面，我选用的java语言开发，因为在校期间，老师带领我们完成了很多Java前后台交互的案例，所以说在这方面还有一定的基础，通过echarts工具来完成分析结果的可视化展示。因为个人的技术掌握的不太牢靠，只是完成了基础的项目功能，不能对音乐数据更细致的功能进行深究，其中在数据的存储与安全方面，我感觉做的不够好。因为我对于数据的保护层次只能依赖于数据库原有的数据加密，那么外界很容易就会获得音乐数据的明确信息，所以还要通过后期的学习来完善数据安全。参考文献龚凯丽,张科伟.基于文本挖掘的网易云音乐评论分析[J].内蒙古科技与经济,2020(07):79-80.张键锋,王劲.基于文本挖掘与神经网络的音乐风格分类建模方法[J].电信科学,2015,31(07):86-91.蔡海东,詹昊轩,舒智敏,郭天雄.基于元数据和协同过滤融合的音乐推荐算法[J].信息与电脑(理论版),2021,33(23):51-54.莫晶,来思琪,孔华锋.基于Python的作业相似度检测的研究与实现[J].电脑编程技巧与维护,2021(10):10-12+30.DOI:10.16184/prg.2021.10.003.华泽,叶雨航.协同过滤算法及在个性化音乐推荐中的应用[J].现代计算机,2021(22):43-46+54.任悦,闫仁武.基于大数据的UserBased推荐算法的研究[J].计算机与数字工程