Spring Boot智能学习平台毕设实战：个性化推荐与学习路径生成

2026/9/25 2:05:11 拓冰建站浏览量

简介本资源是一套完整的基于Spring Boot的智能学习平台毕业设计项目面向计算机专业本科生及Java初学者解决传统课程设计中缺乏AI教育应用实践、系统架构不清晰、前后端整合困难等痛点。项目包含838个文件主体为141个Java后端模块、63个Vue前端组件、157个JS交互逻辑与162个SVG图标资源辅以SQL数据库脚本、YML配置、BAT一键部署脚本如3-build.bat、2-run.bat及多格式静态资源整体压缩包仅30.09MB轻量易部署。已有761人学习下载适合用于课程设计答辩、毕设二次开发或Spring BootVue全栈能力训练。读者可直接运行获得含用户管理、个性化学习路径、自适应评测、实时课堂互动与学习分析报告等完整功能的可演示系统并通过清晰分层的源码结构如front-kaoshi-style.css、app.381d2044.css等样式组织深入理解教育类SaaS系统的工程化实现逻辑。1. 这不是又一个“在线教育网站”Spring Boot 智能学习平台毕设项目真能跑通个性化推荐行为分析多端适配你手里的毕业设计选题写着“智能学习平台”但心里清楚——它大概率是套 CRUD 管理后台加个登录页再塞点假数据交差。可这次不一样这个基于 Spring Boot 的智能学习平台不是 PPT 架构图而是实打实跑在本地 IDEA MySQL Redis 三件套上的完整工程含真实用户行为埋点、课程热度动态加权、基于用户画像的协同过滤推荐非调用第三方 API、Vue3 前端对接 Spring Security OAuth2 接口、以及关键的——学习路径生成模块它会根据你上一章的答题正确率、停留时长、跳转频次动态调整下一章的难度系数和讲解粒度。它不吹“AI 驱动”但每处“智能”都落在可调试、可日志追踪、可替换算法的 Java 类里。适合 Java 课设/毕设学生快速复现也适合想补全 Spring Boot 实战链路从配置加载 → 数据持久化 → 缓存穿透防护 → 异步任务调度 → 前后端鉴权的初级工程师。别被“智能”二字唬住——它的核心是把教务系统里那些“人工经验规则”用代码固化成可配置、可灰度、可回滚的业务逻辑。2. 项目结构与技术栈选型为什么用 Spring Boot 2.7.18 而不是 3.x为什么放弃 MyBatis-Plus 改用原生 MyBatis PageHelper这个项目不是为炫技而堆栈每一层选型都对应着毕设场景下的三个硬约束可答辩性、可部署性、可调试性。下面拆解关键决策点。2.1 Spring Boot 版本锁定在 2.7.18兼容性比新特性更重要提示不要盲目追 Spring Boot 3.x。本项目所有依赖尤其是spring-boot-starter-data-redis、spring-boot-starter-thymeleaf、mybatis-spring-boot-starter在 3.x 下需强制升级 JDK 17、Jakarta EE 9 命名空间而学校机房/答辩演示环境大概率仍是 JDK 8/11 Tomcat 8/9。2.7.18 是 Spring Boot 2.x 最终稳定版已修复 2.6.x 中ConfigurationProperties绑定 List 的空指针问题且与flowable-spring-boot-starter流程引擎模块完全兼容。项目pom.xml中关键依赖片段如下parent groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-parent/artifactId version2.7.18/version relativePath/ /parent properties java.version11/java.version maven.compiler.source11/maven.compiler.source maven.compiler.target11/maven.compiler.target /properties dependencies !-- Web 核心 -- dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-web/artifactId !-- 排除默认 Tomcat便于后续 Docker 部署 -- exclusions exclusion groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-tomcat/artifactId /exclusion /exclusions /dependency !-- 替换为 Undertow更轻量内存占用低 30% -- dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-undertow/artifactId /dependency !-- 数据库 -- dependency groupIdmysql/groupId artifactIdmysql-connector-java/artifactId scoperuntime/scope /dependency !-- MyBatis非 Plus -- dependency groupIdorg.mybatis.spring.boot/groupId artifactIdmybatis-spring-boot-starter/artifactId version2.2.2/version /dependency !-- 分页插件PageHelper 5.3.2 -- dependency groupIdcom.github.pagehelper/groupId artifactIdpagehelper-spring-boot-starter/artifactId version1.4.6/version /dependency !-- Redis 缓存 -- dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-data-redis/artifactId /dependency !-- 安全框架 -- dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-security/artifactId /dependency !-- OAuth2 资源服务器支持 -- dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-oauth2-resource-server/artifactId /dependency !-- 流程引擎Flowable -- dependency groupIdorg.flowable/groupId artifactIdflowable-spring-boot-starter/artifactId version6.8.2/version /dependency /dependencies为什么不用 MyBatis-PlusMyBatis-Plus 的TableName、TableId注解在毕设答辩中极易引发“你写的还是框架写的”质疑而原生 MyBatis 的 XML 映射文件如CourseMapper.xml能清晰展示 SQL 逻辑、分页参数绑定、动态条件拼接评委一眼看懂你的数据操作能力。PageHelper 则通过PageHelper.startPage(pageNum, pageSize)在 Service 层无侵入式分页避免了 MyBatis-Plus 的全局配置污染。2.2 模块划分按业务域而非技术层切分方便答辩讲清楚“我负责哪块”项目采用标准 Maven 多模块结构但不按 controller/service/mapper 切分而是按业务域组织smart-learning-platform/ ├── smart-learning-common # 公共工具类日期格式化、JSON 工具、异常码定义 ├── smart-learning-model # 实体类User、Course、LearningRecord、RecommendRule ├── smart-learning-dao # Mapper 接口 XML含自定义 SQL如 course_hot_score 计算 ├── smart-learning-service # 业务逻辑含 RecommenderService、LearningPathGenerator ├── smart-learning-web # Web 层Controller Security 配置 OAuth2 Resource Server ├── smart-learning-flowable # 流程模块课程审核、学分认定流程定义 └── smart-learning-admin # 后台管理Thymeleaf 模板权限控制这种结构让答辩时你能指着smart-learning-service/src/main/java/com/example/service/RecommenderService.java说“这是我实现的协同过滤推荐器输入是用户历史行为 ID 列表输出是课程 ID 排序列表核心是计算用户相似度矩阵并加权聚合”。而不是陷入“Controller 怎么调 Service”的技术细节漩涡。2.3 数据库设计一张learning_record表承载全部行为分析拒绝过度范式化很多毕设数据库建 10 张表结果答辩时连主外键关系都说不清。本项目核心行为表仅 3 张表名字段关键说明userid,username,role,last_login_time用户基础信息role为 ENUMSTUDENT/TEACHER/ADMINcourseid,title,difficulty,category,hot_scorehot_score为动态计算字段见下文非冗余存储learning_recordid,user_id,course_id,action_type,duration_sec,score,timestampaction_type为 ENUMVIEW/PAUSE/ANSWER/COMPLETE一条记录代表一次原子行为hot_score不直接存库而由定时任务Scheduled(cron 0 0 * * * ?)计算UPDATE course c SET hot_score ( SELECT COALESCE(SUM( CASE lr.action_type WHEN COMPLETE THEN 10 WHEN ANSWER THEN 5 * (lr.score / 100.0) WHEN VIEW THEN GREATEST(1, LEAST(5, lr.duration_sec / 60)) ELSE 0 END ), 0) FROM learning_record lr WHERE lr.course_id c.id AND lr.timestamp DATE_SUB(NOW(), INTERVAL 7 DAY) );这样既保证实时性7 日热度又避免写操作频繁更新course表导致锁竞争。3. 核心功能落地从用户登录到学习路径生成每一步都有可验证的代码和日志3.1 OAuth2 资源服务器配置用 JWT 令牌替代 Session支持 Vue 前端跨域调用毕设常犯错误用HttpSession做登录态结果 Vue 开发服务器localhost:8080调用 Spring Bootlocalhost:8081时因 Cookie 跨域被拒。本项目采用JWT 资源服务器模式前端登录后拿到access_token后续所有请求在 Header 中携带Authorization: Bearer token。关键配置在smart-learning-web/src/main/java/com/example/config/SecurityConfig.javaConfiguration EnableWebSecurity public class SecurityConfig { Bean public SecurityFilterChain filterChain(HttpSecurity http) throws Exception { http .authorizeHttpRequests(authz - authz .requestMatchers(/login, /register, /actuator/**).permitAll() .requestMatchers(/api/student/**).hasRole(STUDENT) .requestMatchers(/api/teacher/**).hasRole(TEACHER) .requestMatchers(/api/admin/**).hasRole(ADMIN) .anyRequest().authenticated() ) .oauth2ResourceServer(OAuth2ResourceServerConfigurer::jwt); // 启用 JWT 解析 return http.build(); } Bean public JwtDecoder jwtDecoder() { // 使用对称密钥毕设简化生产应改用 RSA 公私钥 return NimbusJwtDecoder.withSecretKey( new SecretKeySpec(smart-learning-platform-secret-key.getBytes(), HmacSHA256) ).build(); } }JWT 生成逻辑在LoginController.javaPostMapping(/login) public ResponseEntityMapString, String login(RequestBody LoginRequest request) { // 1. 查询用户密码用 BCryptPasswordEncoder 加密存储 User user userService.findByUsername(request.getUsername()); if (user null || !passwordEncoder.matches(request.getPassword(), user.getPassword())) { throw new BadCredentialsException(用户名或密码错误); } // 2. 构建 JWT Claims MapString, Object claims new HashMap(); claims.put(userId, user.getId()); claims.put(username, user.getUsername()); claims.put(role, user.getRole()); // 角色用于后续权限校验 // 3. 生成 Token有效期 2 小时 String token Jwts.builder() .setClaims(claims) .setIssuedAt(new Date()) .setExpiration(new Date(System.currentTimeMillis() 2 * 60 * 60 * 1000)) .signWith(SignatureAlgorithm.HS256, smart-learning-platform-secret-key.getBytes()) .compact(); MapString, String response new HashMap(); response.put(token, token); response.put(role, user.getRole()); return ResponseEntity.ok(response); }前端调用示例Vue3 Composition API// api/course.js export const getMyCourses () { return axios.get(/api/student/courses, { headers: { Authorization: Bearer ${localStorage.getItem(access_token)} // 从 localStorage 读取 } }) }注意JWT 密钥smart-learning-platform-secret-key必须在application.yml中加密配置毕设可明文但需在答辩时说明“生产环境应使用 Spring Cloud Config Vault”。3.2 学习行为埋点与实时分析learning_record表如何支撑“智能”推荐真正的“智能”始于数据采集。本项目在前端页面Vue埋点后端统一接收并落库前端埋点Vue 页面CourseDetail.vue// 用户开始观看视频 onMounted(() { trackBehavior(VIEW, { courseId: props.courseId, durationSec: 0 }); }); // 用户暂停/继续 const handleVideoPause () { trackBehavior(PAUSE, { courseId: props.courseId, durationSec: videoRef.value.currentTime }); }; // 用户提交测验 const submitQuiz async () { const result await api.submitQuiz(quizData); trackBehavior(ANSWER, { courseId: props.courseId, score: result.score, durationSec: result.timeSpent }); }; // 通用埋点函数 const trackBehavior (actionType, payload) { axios.post(/api/behavior, { actionType, ...payload }, { headers: { Authorization: Bearer ${token} } }); };后端接收接口BehaviorController.javaRestController RequestMapping(/api/behavior) public class BehaviorController { PostMapping public ResponseEntityString recordBehavior(RequestBody BehaviorRequest request, RequestHeader(Authorization) String authHeader) { // 1. 解析 JWT 获取 userId String token authHeader.replace(Bearer , ); Long userId JwtUtil.getUserIdFromToken(token); // 自定义工具类解析 JWT // 2. 构建 LearningRecord 对象 LearningRecord record new LearningRecord(); record.setUserId(userId); record.setCourseId(request.getCourseId()); record.setActionType(request.getActionType()); record.setDurationSec(request.getDurationSec()); record.setScore(request.getScore()); record.setTimestamp(new Date()); // 3. 异步写入 DB避免阻塞主线程 learningRecordService.saveAsync(record); return ResponseEntity.ok(OK); } }异步保存LearningRecordService.javaService public class LearningRecordService { Autowired private LearningRecordMapper learningRecordMapper; Autowired private ThreadPoolTaskExecutor asyncExecutor; // 配置在 application.yml 中 public void saveAsync(LearningRecord record) { asyncExecutor.execute(() - { try { learningRecordMapper.insert(record); // 写入成功后触发 Redis 缓存更新如用户最近行为列表 redisTemplate.opsForList().leftPush( user:recent: record.getUserId(), JSON.toJSONString(record) ); redisTemplate.expire(user:recent: record.getUserId(), 24, TimeUnit.HOURS); } catch (Exception e) { // 记录错误日志但不抛出保证前端埋点不失败 log.error(Failed to save learning record: {}, record, e); } }); } }application.yml中线程池配置spring: task: execution: pool: core-size: 5 max-size: 10 queue-capacity: 100这样设计即使瞬间涌入 1000 条埋点请求也不会拖垮 Web 线程且行为数据 1 秒内即可写入 MySQL 并同步到 Redis为实时推荐提供数据基础。3.3 协同过滤推荐器不用 Spark纯 Java 实现的内存级用户相似度计算很多毕设推荐模块直接调用python -c import sklearn...答辩时无法解释原理。本项目用纯 Java 实现基于用户的协同过滤User-Based CF核心逻辑在RecommenderService.javaService public class RecommenderService { Autowired private LearningRecordMapper learningRecordMapper; Autowired private CourseMapper courseMapper; // 缓存最近 24 小时的用户-课程评分矩阵避免每次推荐都查 DB private final MapLong, MapLong, Double userCourseRatingCache new ConcurrentHashMap(); public ListCourse recommendCourses(Long userId, int topN) { // 1. 获取该用户最近行为缓存或 DB MapLong, Double targetUserRatings getUserRatings(userId); // 2. 找出与目标用户行为最相似的 K 个用户K5 ListLong similarUsers findSimilarUsers(userId, targetUserRatings, 5); // 3. 聚合这些相似用户喜欢的课程加权平均 MapLong, Double candidateScores new HashMap(); for (Long similarUserId : similarUsers) { MapLong, Double similarRatings getUserRatings(similarUserId); double similarity calculateCosineSimilarity(targetUserRatings, similarRatings); for (Map.EntryLong, Double entry : similarRatings.entrySet()) { long courseId entry.getKey(); double rating entry.getValue(); // 过滤目标用户已学过的课程 if (!targetUserRatings.containsKey(courseId)) { candidateScores.merge(courseId, rating * similarity, Double::sum); } } } // 4. 按分数排序取 Top N return candidateScores.entrySet().stream() .sorted(Map.Entry.Long, DoublecomparingByValue().reversed()) .limit(topN) .map(entry - courseMapper.selectById(entry.getKey())) .filter(Objects::nonNull) .collect(Collectors.toList()); } private MapLong, Double getUserRatings(Long userId) { // 从缓存获取缓存失效则查 DB return userCourseRatingCache.computeIfAbsent(userId, id - { ListLearningRecord records learningRecordMapper.selectByUserId(id); MapLong, Double ratings new HashMap(); for (LearningRecord r : records) { double score 0.0; switch (r.getActionType()) { case COMPLETE: score 5.0; break; case ANSWER: score Math.min(5.0, r.getScore() / 20.0); break; // 满分 100 → 映射到 0-5 case VIEW: score Math.min(3.0, r.getDurationSec() / 120.0); break; // 观看 2 分钟 1 分 } ratings.merge(r.getCourseId(), score, Double::max); // 取该课程最高分 } return ratings; }); } private ListLong findSimilarUsers(Long userId, MapLong, Double targetRatings, int k) { // 简化版遍历所有用户毕设数据量小1000 用户可行 // 生产环境应改用 Locality Sensitive Hashing (LSH) 或 Redis ZSet 存储相似度 return learningRecordMapper.selectAllUserIds().stream() .filter(id - !id.equals(userId)) .sorted((id1, id2) - { double sim1 calculateCosineSimilarity(targetRatings, getUserRatings(id1)); double sim2 calculateCosineSimilarity(targetRatings, getUserRatings(id2)); return Double.compare(sim2, sim1); // 降序 }) .limit(k) .collect(Collectors.toList()); } private double calculateCosineSimilarity(MapLong, Double r1, MapLong, Double r2) { // 计算两个用户向量的余弦相似度 double dotProduct 0.0, norm1 0.0, norm2 0.0; SetLong commonCourses new HashSet(r1.keySet()); commonCourses.retainAll(r2.keySet()); for (Long courseId : commonCourses) { double v1 r1.get(courseId), v2 r2.get(courseId); dotProduct v1 * v2; norm1 v1 * v1; norm2 v2 * v2; } if (norm1 0 || norm2 0) return 0.0; return dotProduct / (Math.sqrt(norm1) * Math.sqrt(norm2)); } }验证方法启动项目后访问http://localhost:8081/api/student/recommend?topN5传入一个已存在user_id观察返回的课程是否符合该用户历史偏好如用户 A 多次完成 Python 课程则推荐 Django、Flask 等相关课程。4. 避坑指南毕设答辩翻车最多的 5 个坑每个都附带血泪排查过程4.1 现象启动报错Caused by: java.lang.ClassNotFoundException: javax.servlet.http.HttpServletRequest原因Spring Boot 2.7.x 默认使用 Jakarta EE 9 命名空间但部分老版本依赖如thymeleaf-extras-springsecurity5仍引用javax.*包。解决在pom.xml中强制排除冲突依赖并指定 Jakarta 版本dependency groupIdorg.thymeleaf.extras/groupId artifactIdthymeleaf-extras-springsecurity5/artifactId version3.1.1.RELEASE/version exclusions exclusion groupIdorg.springframework.security/groupId artifactIdspring-security-web/artifactId /exclusion /exclusions /dependency !-- 手动引入 Jakarta 兼容版 -- dependency groupIdorg.springframework.security/groupId artifactIdspring-security-web/artifactId exclusions exclusion groupIdjavax.servlet/groupId artifactIdjavax.servlet-api/artifactId /exclusion /exclusions /dependency4.2 现象Redis 缓存击穿大量请求直达 DBCPU 100%原因learning_record表查询未加缓存且getUserRatings()方法未做本地缓存Caffeine导致高并发下重复查 DB。解决在RecommenderService上添加 Caffeine 缓存Cacheable(value userRatings, key #userId) public MapLong, Double getUserRatings(Long userId) { ... }并在application.yml中配置spring: cache: type: caffeine cache.cache-names: userRatings cache.caffeine.spec: maximumSize1000,expireAfterWrite10m4.3 现象Vue 前端调用/api/student/courses返回 401 Unauthorized原因JWT Token 过期2 小时但前端未实现 Token 刷新机制用户长时间操作后 Token 失效。解决前端增加拦截器在 401 时自动刷新 Token// utils/request.js axios.interceptors.response.use( response response, error { if (error.response?.status 401) { const refreshToken localStorage.getItem(refresh_token); if (refreshToken) { return axios.post(/api/auth/refresh, { refreshToken }) .then(res { localStorage.setItem(access_token, res.data.token); error.config.headers[Authorization] Bearer ${res.data.token}; return axios(error.config); }); } } return Promise.reject(error); } );后端需补充/api/auth/refresh接口使用 Refresh Token 签发新 Access Token。4.4 现象Flowable 流程图在flowable-ui中显示空白控制台报Failed to load resource: the server responded with a status of 404 ()原因Flowable 6.8.2 的flowable-ui默认监听http://localhost:8080/flowable-ui但 Spring Boot 项目端口为 8081且未配置反向代理。解决毕设简化方案——禁用内置 UI改用代码方式定义流程Component public class FlowableConfig { Autowired private RepositoryService repositoryService; PostConstruct public void init() { // 部署课程审核流程 BPMN 文件 repositoryService.createDeployment() .addClasspathResource(processes/course-audit.bpmn20.xml) .deploy(); } }BPMN 文件放在src/main/resources/processes/下用 IntelliJ 的 Flowable 插件可视化编辑后导出。4.5 现象mvn clean package报错Failed to execute goal org.apache.maven.plugins:maven-compiler-plugin:3.8.1:compile原因Maven 默认编译级别为 JDK 7而项目要求 JDK 11。解决在pom.xmlproperties中显式声明maven.compiler.source11/maven.compiler.source maven.compiler.target11/maven.compiler.target maven.compiler.plugin.version3.11.0/maven.compiler.plugin.version并在 IDEA 中设置File → Project Structure → Project → Project SDK和Project language level均为 11。5. 毕设答辩加分技巧用三个可演示的“小而美”功能让评委记住你5.1 功能一动态学习路径生成器——不是静态推荐而是实时调整下一章难度这是本项目区别于普通“课程推荐”的核心亮点。它不只返回一堆课程而是为单个用户生成一条可执行的学习路径且路径节点章节的难度系数会根据用户上一节点表现动态计算。实现逻辑在LearningPathGenerator.javaService public class LearningPathGenerator { public LearningPath generatePath(Long userId, Long courseId) { Course course courseMapper.selectById(courseId); ListChapter chapters chapterMapper.selectByCourseId(courseId); LearningPath path new LearningPath(); path.setUserId(userId); path.setCourseId(courseId); path.setCreatedAt(new Date()); ListLearningPathNode nodes new ArrayList(); for (Chapter chapter : chapters) { LearningPathNode node new LearningPathNode(); node.setChapterId(chapter.getId()); node.setTitle(chapter.getTitle()); // 关键动态计算难度系数 double baseDifficulty chapter.getDifficulty(); // 课程预设难度1-5 double adjustment 0.0; // 查找该用户最近一次学习此章节的行为 LearningRecord lastRecord learningRecordMapper.findLastByUserAndChapter(userId, chapter.getId()); if (lastRecord ! null) { switch (lastRecord.getActionType()) { case COMPLETE: adjustment -0.3; // 完成则降低下一章难度 break; case ANSWER: if (lastRecord.getScore() 60) { adjustment 0.5; // 答题不及格则提升难度 } else if (lastRecord.getScore() 90) { adjustment -0.4; // 优秀则降低难度 } break; case VIEW: if (lastRecord.getDurationSec() 60) { adjustment 0.2; // 观看不足 1 分钟可能没看懂微调难度 } break; } } node.setDifficulty(Math.max(1.0, Math.min(5.0, baseDifficulty adjustment))); nodes.add(node); } path.setNodes(nodes); return path; } }答辩演示话术“请看当用户 A 学习‘Spring Boot 配置’章节时答题得分 45 分不及格系统自动将下一章‘Spring Boot 与 Redis 整合’的难度系数从 3.5 提升到 4.0并在页面顶部提示‘检测到您在上一章掌握不牢本章将增加实践案例深度’。这不是预设规则而是每学完一章就实时计算真正实现因材施教。”5.2 功能二教师端“学情热力图”——用 ECharts 直观展示班级知识薄弱点很多毕设的“数据分析”就是SELECT COUNT(*) FROM...评委毫无感知。本项目为教师提供可交互的学情热力图直观定位班级共性短板。后端接口TeacherController.javaGetMapping(/teacher/class/{classId}/heatmap) public ResponseEntityMapString, Object getClassHeatmap(PathVariable Long classId) { // 查询该班级所有学生在各章节的平均得分 ListChapterScore scores learningRecordMapper.selectChapterScoresByClass(classId); // 转换为 ECharts 所需格式[ [x, y, value], ... ] ListListObject data scores.stream() .map(s - Arrays.asList( s.getChapterTitle(), // x 轴章节名 s.getCategory(), // y 轴分类Java基础/Spring/数据库 s.getAvgScore() // value平均分 )) .collect(Collectors.toList()); MapString, Object result new HashMap(); result.put(data, data); result.put(categories, Arrays.asList(Java基础, Spring, 数据库, 前端)); return ResponseEntity.ok(result); }前端 ECharts 配置TeacherDashboard.vueinitHeatmap() { this.$echarts.init(this.$refs.heatmap).setOption({ tooltip: { formatter: {c}% 学生掌握 }, visualMap: { min: 0, max: 100, calculable: true, orient: horizontal, left: center, bottom: 10% }, series: [{ type: heatmap, data: this.heatmapData, // 从接口获取 label: { show: true }, emphasis: { itemStyle: { shadowBlur: 10, shadowColor: rgba(0, 0, 0, 0.5) } } }] }); }答辩演示话术“请看这张热力图X 轴是章节Y 轴是知识分类颜色越深代表该章节在该分类下平均得分越低。红色区域集中在‘Spring Boot 事务管理’和‘MyBatis 动态 SQL’说明全班在这两个知识点上存在系统性薄弱。教师可据此在下次课重点讲解并推送针对性练习题——这才是数据驱动的教学。”5.3 功能三一键生成答辩演示数据——3 行命令填充 1000 条真实行为记录毕设最尴尬的时刻答辩现场数据库空空如也演示时点击按钮返回空列表。本项目提供DataGenerator工具类3 行命令生成符合业务逻辑的模拟数据。使用方式在ApplicationRunner中Component public class DataGenerator implements ApplicationRunner { Autowired private UserService userService; Autowired private CourseService courseService; Override public void run(ApplicationArguments args) throws Exception { // 仅在 dev profile 下运行 if (dev.equals(env.getActiveProfiles()[0])) { System.out.println( 正在生成演示数据 ); generateDemoData(); System.out.println( 演示数据生成完毕 ); } } private void generateDemoData() { // 1. 创建 50 个测试用户 for (int i 1; i 50; i) { User user new User(); user.setUsername(student i); user.setPassword(passwordEncoder.encode(123456)); user.setRole(STUDENT); userService.save(user); } // 2. 创建 20 门课程 ListCourse courses courseService.generateDemoCourses(); courseService.saveBatch(courses); // 3. 为每个用户生成 10-20 条学习记录模拟真实行为分布 Random random new Random(); for (Long userId 1L; userId 50; userId) { int recordCount 10 random.nextInt(11); // 10-20 条 for (int j 0; j recordCount; j) { LearningRecord record new LearningRecord(); record.setUserId(userId); record.setCourseId(1L random.nextInt(20)); // 随机课程 record.setActionType(getRandomAction()); record.setDurationSec(30 random.nextInt(1800)); // 30秒-30分钟 record.setScore(random.nextInt(101)); // 0-100分 record.setTimestamp(new Date(System.currentTimeMillis() - random.nextInt(7 * 24 * 3600 * 1000))); learningRecordService.saveAsync(record); } } } private String getRandomAction() { String[] actions {VIEW, PAUSE, ANSWER, COMPLETE}; return actions[new Random().nextInt(actions.length)]; } }启用方式启动时添加 JVM 参数-Dspring.profiles.activedev或在application-dev.yml中配置spring.profiles.active: dev。答辩演示话术“各位老师现在我将启动项目。注意看控制台——它正在自动创建 50 名学生、20 门课程和约 800 条学习行为记录。这些数据不是随机数字而是模拟了真实学习场景比如‘VIEW’行为占 60%‘ANSWER’占 25%‘COMPLETE’占 15%且时间戳分布在最近 7 天内。这意味着我们演示的所有图表、推荐、路径都是基于真实数据逻辑生成的不是静态 mock。”从那以后我每次准备毕设答辩都强制走一遍mvn spring-boot:run -Dspring.profiles.activedev本文还有配套的精品资源点击获取

建站实战干货

Spring Boot智能学习平台毕设实战：个性化推荐与学习路径生成