【短视频推流平台的设计与实现20000字】

第四章系统功能设计第一节系统开发环境通过对系统进行最基本的分析以及对数据库的详细设计，短视频推荐平台全程采用Java语言进行开发，前端使用JavaScript语言进行主要开发。短视频推荐平台前、后端使用优秀的IntelliJIDEA2020.3.2集成开发环境进行系统开发，使用MySQL5.7来搭建系统数据库。下表4-1所示是系统的开发运行环境表。表4-1系统开发运行环境表物理平台CPUInter(R)Core(TM)i7-7700HQ内存8G硬盘1T软件环境操作系统WIN10集成开发环境IntelliJIDEA2020.3.2数据库开发工具NavicatPremium15开发语言Java、JavaScript数据库MySQL运行环境服务器Tomcat浏览器Chrome浏览器第二节详细设计登录模块本系统分为普通用户登录和管理员登录两个登录界面，首先介绍普通用户登录。如果用户之前未进行注册，那么本系统会显示用户不存在。已经注册的用户可在系统普通用户登录处进行登录。图4-1展示的是本系统的普通用户登录界面。普通用户注册界面如图4-2所示。图4-1普通用户登录界面图4-2普通用户注册界面未注册过的在用户提交注册表单后，管理员会在后台进行审核，在管理员审核完注册信息后，进行审核通过或者审核不通过的操作。审核通过后用户可以进行后续登录操作，审核未通过的用户需要进行重新注册。然后介绍管理员登录。管理员在后台登录界面进行登录，图4-3展示的是后台登录界面。图4-3管理员后台登录界面普通用户与管理员登录都需要进行验证码的填写，若填写错误将无法成功登陆。验证码的生成步骤是先在后台生成随机验证码，然后利用图片生成工具生成图片，最后发送到浏览器。点击刷新验证码后重复此步骤。详细代码如图4-4所示。图4-4验证码生成短视频浏览模块本模块分为首页热门短视频与短视频大厅两个部分，都可以进行短视频的浏览与搜索。首页显示热门短视频，热门短视频根据短视频获得的点赞数量进行排序显示。短视频大厅显示所有已上传且通过审核的短视频，并实现对短视频的分类浏览。首页热门视频如图4-5所示，短视频大厅如图4-6所示。图4-5首页热门视频界面图4-6短视频大厅界面在用户找到想要浏览的视频后点击进入短视频观看界面，此界面主要实现用户对短视频进行观看与点赞评论，界面上会显示短视频播放按钮、点赞按钮，与评论提交按钮，同时还会显示发布者的用户名、发布时间、评论内容和短视频收获的点赞与评论的数目。短视频观看界面如图4-7所示。图4-7短视频观看界面短视频上传模块本模块主要实现用户进行短视频上传的操作，包括填写标题，类别，标签，短视频简介，与添加视频文件和短视频封面海报文件。短视频上传界面如图4-8所示。图4-8短视频上传界面用户填写完相应的内容，并选择本地要上传的短视频与图片后，点击添加，系统将数据录入数据库并保存，上传视频与图片的详细代码见图4-9与图4-10图4-9视频上传图4-10图片上传意见反馈模块用户如果对系统有修改建议或者故障反馈，可以在此模块进行提交。意见反馈界面如图4-11所示。图4-11意见反馈界面用户个人信息管理模块用户可以在此模块对个人信息进行查看与修改，包括用户名称、账户名、密码、年龄、性别、用户地址等。个人信息管理界面如图4-12所示。图4-12个人信息管理界面用户个人短视频管理模块此模块负责实现用户对自己已上传视频的管理，对审核未通过的短视频进行删除或者修改。此外，也可以分类查看自己的视频。个人短视频管理界面如图4-13所示。图4-13个人短视频管理界面管理员后台管理模块管理员登录成功后进入后台页面，可以在此界面进行以下多种信息的管理：用户的管理，包括用户注册信息的审核；视频分类的管理，包括短视频内容与相关信息的审核；评论与点赞管理；前台用户反馈建议的查看与删除；前台普通用户浏览历史的管理；前台首页轮播图的管理。管理员后台管理界面如图4-14所示。图4-14管理员后台管理界面短视频推荐模块此模块是本系统的核心模块，用户在此模块可以浏览到系统为每个用户推送的个性化内容，在用户对推荐视频进行点赞、评论操作后，系统自动将该视频划分为已浏览视频，并从短视频推荐模块剔除，短视频推荐界面如图4-15所示。图4-15短视频推荐界面后台对前台用户点赞与评论的行为进行收集与封装，然后采用基于物品的协同过滤算法进行物品推荐值的计算。后台计算流程为：首先获取封装后的用户数据，然后进行物品之间相似度的计算，接着根据物品的相似度结合用户点赞评论过的物品计算出特定物品对于特定用户的推荐值，最后计算出推荐值后，根据推荐值的大小来进行排序，推荐给用户浏览。详细代码设计如图4-16、图4-17所示。图4-16物品相似度计算图4-17物品推荐值的计算为了更好的说明推荐的计算过程，下面来通过一个数据举例的方法来进行描述。数据准备LiuYi,3,1001ChenEr,4,1001ZhangSan,3,1001LiSi,3,1001LiuYi,3,1002LiSi,4,1002LiuYi,4,1003ZhangSan,5,1003LiSi,5,1003LiuYi,4,1004ZhangSan,3,1004LiuYi,5,1005这里有三列数据，第一列是用户ID，第二列是评分，第三列为视频ID。本系统中的实际数据从用户点赞表已经评论表中获取，评分的组成是评论数+点赞数。用户对视频进行评论与点赞以下简称对视频进行评价。计算物品与物品之间的相似矩阵对上面的数据作一下调整，按用户排列，格式为用户、评分、物品（短视频ID），得出以下用户评分表，如表4-1所示。 表4-1用户评分表用户评分物品LiuYi31001LiuYi31002LiuYi41003LiuYi41004LiuYi51005ChenEr41001ZhangSan31001ZhangSan51003ZhangSan31004LiSi31001LiSi41002LiSi51003再计算物品和物品的共现矩阵中的每一个元素：

1001和1002,同时被LiuYi和LiSi两个用户评价,所以其共现值为2

1001和1003,同时被LiuYi,ZhangSan和LiSi三个用户评价,所以其共现值为3

1001和1004,同时被LiuYi和ZhangSan两个用户评价,所以其共现值为2

1001和1005,只同时被LiuYi评价,所以其共现值为1

1002和1003,同时被LiuYi和LiSi两个用户评价,所以其共现值为2

1002和1004,只同时被LiuiYi评价,所以其共现值为1

1002和1005,只同时被LiuiYi评价,所以其共现值为1

1003和1004,同时被LiuYi和ZhangSan两个用户评价,所以其共现值为2

1003和1005,只同时被LiuiYi评价,所以其共现值为1

1004和1005,只同时被LiuiYi评价,所以其共现值为1最终,得到的共现矩阵如表4-2所示。表4-2共现矩阵表100110021003100410051001-232110022-211100332-211004212-110051111-计算物品被多少个不同的用户评价评价1001的有LiuYi,ChenEr,ZhangSan和LiSi评价1002的有LiuYi和LiSi评价1003的有LiuYi,ZhangSan和LiSi评价1004的有LiuYi和ZhangSan评价1005的有LiuYi如表4-3所示。表4-3用户评价数物品评价过的用户数1001410022100331004210051计算相似度矩阵两个物品余弦相似度的计算公式如式（4-1）所示 （4-1）根据此公式可得：1001与1002的相似度为2/sqrt(4*2)=0.7071001与1003的相似度为3/sqrt(4*3)=0.8661001与1004的相似度为2/sqrt(4*2)=0.7071001与1005的相似度为1/sqrt(4*1)=0.51002与1003的相似度为2/sqrt(2*3)=0.8161002与1004的相似度为1/sqrt(2*2)=0.51002与1005的相似度为1/sqrt(2*1)=0.7071003与1004的相似度为2/sqrt(3*2)=0.8161003与1005的相似度为1/sqrt(3*1)=0.5771004与1005的相似度为1/sqrt(2*1)=0.707所以，相似度矩阵如表4-4所示。表4-4相似度矩阵100110021003100410051001-0.7070.8660.7070.50010020.707-0.8160.5000.70710030.8660.816-0.8160.57710040.7070.5000.816-0.70710050.5000.7070.5770.707-进行完以上步骤后，接下来为用户LiSi推荐物品LiSi评价过的物品如表4-5所示。表4-5LiSi物品表物品评分100131002410035假设取K=3（取相似度前K个的物品进行推荐值计算）：①对于LiSi评价过的1001来说，相似度排在前3名的物品和评分为：1003，0.8661002，0.7071004，0.707这三个物品中，只有1004是LiSi不曾评价过的，其推荐值为：1004与1001的相似度*LiSi对1001的评分=0.707*3=2.121②对于LiSi评价过的1002来说，相似度排在前3名的物品和评分为：1003，0.8161001，0.7071005，0.707这三个物品中，只有1005是LiSi不曾评价过的，其推荐值为：1005与1002的相似度*LiSi对1002的评分=0.707*4=2.828③对于LiSi评价过的1003来说，相似度排在前3名的物品和评分为：1001，0.8661002，0.8161004，0.816这三个物品中，只有1004是LiSi不曾评价过的，其推荐值为：1004与1003的相似度*LiSi对1003的评分=0.816*5=4.08综上，可以给LiSi推荐的电影如表4-15所示。表4-15推荐结果排名物品（MovieId）推荐值110042.121+4.08=6.201210052.828以上就是本推荐系统使用的推荐算法的详细计算过程的描述，使用这个算法能够很好实现对用户个性化内容的推荐。

第五章系统测试第一节测试目的为保证短视频推荐平台的可靠性和稳定性，需要对平台每个功能进行运行测试。系统测试是验证程序是否有缺陷的一个重要步骤，其目的就是查找出系统中可能存在的各种各样的问题，包括可能出现的各种漏洞或缺陷以及没有很好的满足用户的需求等。第二节测试方法系统测试按照测试技术可以分为黑盒测试和白盒测试。通过对系统情况的详细分析，最终决定采用不对内部程序结构和处理过程进行考虑的的黑盒测试进行测试。本次系统测试主要是站在用户的立场去进行，根据不同的测试用例执行的结果，来判断系统的准确性与稳定性。第三节测试用例下面简述一下在用户前台与管理员后台将要进行的测试：在用户前台针对用户浏览短视频并点赞、评论，用户上传短视频，对用户个性化内容的推荐等功能进行测试。在管理员后台针对管理员审核并管理短视频，短视频分类的管理的功能进行测试。表5-1是“用户浏览短视频并点赞、评论”功能测试用例表。表5-1“用户浏览短视频并点赞、评论”功能测试用例表用例编号：User_Analyze_01测试参与者：汪直诚测试用例题目：“用户浏览短视频并点赞、评论”功能测试测试时间：2021.05.10相关的环境与系统配置：环境：Chrome浏览器操作系统：WIN10计算机名：PC-201910102204配置：Inter(R)Core(TM)i7-7700HQWebServer：TomcatDBServer：MySQL5.7“用户浏览短视频并点赞、评论”功能是用户登录后，可以正常在首页和短视频平台进行视频浏览与点赞、评论测试内容：1、用户在首页或者短视频大厅进行关键词搜索是否可以出现相关视频2、点击后是否正常跳转页面，视频是否可以进行正常播放3、是否可以正常的进行点赞与评论需要测试次数：每项测试重复3次预期结果：1、用户进行搜索的时候能够正常出现相关视频2、点击感兴趣的视频后可以正常跳转到视频观看界面并进行观看3、用户能够正常进行点赞与评论并被记录测试主要步骤描述：1、用户登录后进行关键词搜索2、点击搜索结果中的视频，进入视频观看界面，点击播放视频3、点击点赞按钮和评论按钮进行操作4、查看视频下方点赞数与评论数是否变化测试的结果：执行后，可以实现上述要求，此功能可以正常运行测试结论：用户浏览视频并点赞、评论功能达到预期如图5-1所示，用户在首页搜索关键词“风景”出现了相关短视频内容。如图5-2所示，点击后可以正常跳转，并且进行正常播放。如图5-3所示，用户进行点赞和评论操作后，页面上点赞数与评论数发生变化。图5-1关键词搜索图5-2播放页面正常跳转图5-3点赞、评论数量发生变化表5-2是“用户上传视频”功能测试用例表。表5-1“用户上传视频”功能测试用例表用例编号：User_Analyze_02测试参与者：汪直诚测试用例题目：“用户上传视频”功能测试测试时间：2021.05.10相关的环境与系统配置：环境：Chrome浏览器操作系统：WIN10计算机名：PC-201910102204配置：Inter(R)Core(TM)i7-7700HQWebServer：TomcatDBServer：MySQL5.7“用户上传视频”功能是用户登录后，可以正常在发布视频模块进行视频上传，包括添加视频信息和添加视频文件等操作测试内容：1、用户在发布视频界面是否能够正常填写信息并选择视频文件和封面图片文件2、用户点击添加内容后，能否正常提交到管理员审核界面，并显示在我的视频界面中3、上传的视频通过审核后能否在前台正常显示并播放需要测试次数：每项测试重复3次预期结果：1、用户在发布视频界面能够正常填写信息并选择视频文件和封面图片文件2、用户点击添加内容后，可以正常提交到管理员审核界面，并显示在我的视频界面中3、上传的视频通过审核后可以在前台正常显示并播放测试主要步骤描述：1、用户点击发布视频，并填写相关信息与选择文件，点击添加2、查看我的视频界面，查看视频状态3、登录管理员后台界面点击到视频审核界面，点击通过审核4、返回用户浏览界面，点击刚刚上传的视频进行浏览测试的结果：执行后，可以实现上述要求，此功能可以正常运行测试结论：用户上传视频功能达到预期如图5-4所示，用户提交的视频可以正常显示在我的视频中。如图5-5所示，上传的视频可以正常审核。如图5-6所示，审核通过的视频可以正常显示在浏览界面。图5-4上传视频的待审核状态图5-5视频在管理员审核界面图5-6通过审核的视频显示在前台表5-3是“用户个性化视频推荐”功能测试用例表。表5-3“用户个性化推荐”功能测试用例表用例编号：User_Analyze_03测试参与者：汪直诚测试用例题目：“用户个性化推荐”功能测试测试时间：2021.05.10相关的环境与系统配置：环境：Chrome浏览器操作系统：WIN10计算机名：PC-201910102204配置：Inter(R)Core(TM)i7-7700HQWebServer：TomcatDBServer：MySQL5.7“用户个性化推荐”功能是用户登录后，系统通过对用户操作的记录，并使用后端API进行分析，对用户实现短视频的个性化推荐测试内容：不同用户能否在推荐界面正确的浏览到有差异的、个性化的、未评价过的内容2、用户在推荐界面对感兴趣的视频进行点赞、评论后，该视频会不会从推荐界面剔除需要测试次数：每项测试重复3次预期结果：1、不同用户浏览的推荐视频不相同，而且显示的都是该用户没有进行过点赞、评论的视频2、用户点击观看推荐界面的视频，并进行点赞、评论后，系统将该视频从推荐界面剔除测试主要步骤描述：使用不同用户登录后在首页进行浏览，查看推荐模块所推荐的视频的视频情况点击推荐模块中的视频，进行观看、点赞与评论测试的结果：执行后，可以实现上述要求，此功能可以正常运行测试结论：用户个性化推荐功能达到预期给用户“abc”推荐的内容如图5-7所示，给用户“wang”推荐的内容如图5-8所示，给用户“jane”推荐的内容如图5-9所示。不同的用户接收到的推荐内容也不一样，实现了用户的个性化推荐。如图5-10所示，用户“jane”在对推荐界面的第一个视频进行点赞、评论操作后。该视频被系统从推荐界面剔除。图5-7用户“abc”接收的推荐内容图5-8用户“wang”接收的推荐内容图5-9用户“jane”接收的推荐内容图5-10点赞、评论过的视频被剔除表5-4是“管理员审核与管理短视频”功能测试用例表。表5-3“管理员审核与管理短视频”功能测试用例表用例编号：Admin_Analyze_01测试参与者：汪直诚测试用例题目：“管理员审核并管理短视频”功能测试测试时间：2021.05.10相关的环境与系统配置：环境：Chrome浏览器操作系统：WIN10计算机名：PC-201910102204配置：Inter(R)Core(TM)i7-7700HQWebServer：TomcatDBServer：MySQL5.7“管理员审核与管理短视频”功能是管理员登录后，在视频管理界面能够正常进行视频的审核与管理测试内容：管理员是否能够正常进行短视频的审核管理员是否能够正常对短视频进行管理，包括增删改查需要测试次数：每项测试重复3次预期结果：1、管理员审核过的视频在视频管理界面正确显示其审核状态2、管理员能够正常对视频进行查看与修改测试主要步骤描述：管理员登录后，点击视频管理，对前台用户提交未审核的视频进行审核管理对已经审核过的视频进行查看与修改测试的结果：执行后，可以实现上述要求，此功能可以正常运行测试结论：管理员审核并管理短视频功能达到预期如图5-11所示，管理员对前台用户上传的视频进行审核，审核未通过显示为驳回状态。如图5-12所示，管理员可以正常进行已上传视频的查看。如图5-13所示，管理员可以正常进行已上传视频的修改图5-11视频审核未通过已驳回状态图5-12管理员查看视频图5-14管理员修改视频表5-5是“管理员短视频分类的管理”功能测试用例表。表5-3“管理员审核与管理短视频”功能测试用例表用例编号：Admin_Analyze_02测试参与者：汪直诚测试用例题目：“管理员短视频分类的管理”功能测试测试时间：2021.05.10相关的环境与系统配置：环境：Chrome浏览器操作系统：WIN10计算机名：PC-201910102204配置：Inter(R)Core(TM)i7-7700HQWebServer：TomcatDBServer：MySQL5.7“管理员短视频分类的管理”功能是管理员登录后，在分类管理列表，能够正常的进行分类的增删改查测试内容：管理员是否能够正常进行分类的管理管理员能否正常批量删除需要测试次数：每项测试重复3次预期结果：1、管理员进行标签的增删改查操作后，后台管理界面和前台用户界面显示相应的结果2、管理员能够正常对标签进行批量删除测试主要步骤描述：管理员登录后，点击分类管理，对短视频分类进行管理操作管理对分类进行批量删除测试的结果：执行后，可以实现上述要求，此功能可以正常运行测试结论：管理员对短视频分类的管理功能达到预期如图5-14所示，管理员在后台对视频分类进行增加后，前台用户上传视频的页面显示了所添加的分类。如图5-15所示，管理员添加分类后后台分类管理界面显示了添加的分类。如图5-16所示，管理员进行分类的批量删除后，分类管理页面删去了相应内容。图5-11前台用户上传视频的页面图5-12管理员后台添加分类后的界面图5-14管理员批量删除分类后的界面经过以上的测试，短视频推荐平台相应的各个功能都能够比较完善的运行，同时能够满足普通用户与管理员各种使用需求。

第六章结论第一节系统不足之处这次毕业设计关于短视频推荐平台的整体功能的实现只能算是有了大体的推荐系统的样子，属于一个不是很完整的推荐系统。原因之一是时间的不足，还有一个原因就是技术掌握的不熟练，导致花费了大量的时间和精力在学习技术以及查找资料上。每次系统出现了错误，需要很长的时间才能找到问题并解决。这表明在大学期间，专业技能方面的学习是有不足的。从系统带给用户的体验上面来说，本系统还有一个不足，就是短视频在播放的时候无法拖动进度条，当用户在观看视频时，如果错过了部分内容，需要从头进行播放，而无法直接回看。在点击跳转部分页面之后，页面里没有退回上个页面的按钮，需要点击浏览器的退回键，才能回到上个页面，在使用的时候会造成不必要的麻烦，在设计数据表的时候，部分字段的长度和类型考虑的不够周全，后期还花费了比较大的功夫进行更改推荐算法的使用上，使用的是比较基础简单的基于物品的协同过滤推荐算法，虽然通过给没有数据的用户自动推荐热门内容，处理了冷启动问题，但这并不是一个很好的解决方法。未来展望通过这次的毕业设计，让我对推荐系统有了更深层次的认识，同时了解到现在社会上的推荐系统已经应用的非常广泛了，几乎处处是推荐，所以也很庆幸自己当初选了这个题目。这次掌握的是基于物品的协同过滤推荐的使用，在毕业后的两年内，争取把现在主流的推荐系统的知识都化为自己的知识储备。在日新月异的今天，一项技术不管多么普遍多么先进，都有被淘汰的风险，所以更需要加紧我们学习的脚步，关于本系统的展望，我有一个想法：在掌握足够的推荐系统知识以后，将本系统的推荐算法用基于内容，基于协同过滤两种推荐算法混合重新制作，争取早日实现自己开发一个完整的、完善的系统的理想。参考文献岳彦辰,郑皎.需求视角下短视频App的现状与发展趋势探究——以抖音App为例[J].中国市场,2019(29):125–126.孙辉.传统主流媒体的短视频平台传播策略研究——以抖音平台《人民日报》账号为例[J].广播电视信息,2021,28(05):54–57.龚映梅,侯玉寒,杨红娟.个性化推荐系统及其仿真研究综述[J].科技和产业,2021,21(05):72–80.SvenEwanShepstone,Zheng-HuaTan,MiklasS.Kristoffersen.UsingClosed-SetSpeakerIdentificationScoreConfidencetoEnhanceAudio-BasedCollaborativeFilteringforMultipleUsers.[J].IEEETrans.ConsumerElectronics,2018,64(1).龚永罡,裴晨晨,廉小亲,等.基于Transformer模型的中文文本自动校对研究[J].电子技术应用,2020,46(01):30-33+38.何俊,张彩庆,李小珍,等.面向深度学习的多模态融合技术研究综述[J].计算机工程,2020,46(05):1–11.刘桂雄,黄坚,刘思洋,等.面向语义分割机器视觉的AutoML方法[J].激光杂志,2019,40(06):1–9.李孟浩,赵学健,余云峰,等.推荐算法研究进展[J].小型微型计算机系统,2021:1-14.代丽,樊粤湘.个性化推荐系统综述[J].计算机时代,2019(06):9-11+15.孙志军,薛磊,许阳明,等.深度学习研究综述[J].计算机应用研究,2012,29(08):2806–2810.刘全,翟建伟,章宗长,等.深度强化学习综述[J].计算机学报,2018,41(01):1–27.庄福振,罗平,何清,等.迁移学习研究进展[J].软件学报,2015,26(01):26–39.刘建伟,刘媛,罗雄麟.半监督学习方法[J].计算机学报,2015,38(08):1592–1617.周传鑫,孙奕,汪德刚,等.联邦学习研究综述[J].网络与信息安全学报,2021:1–16.王姝静.电子商务平台个性化推荐强化学习算法研究[J].中外企业