尧图网站建设 
简介这套基于Java的图书推荐系统毕业设计源码附带完整数据库面向正在筹备毕设、课程设计或期末大作业的计算机专业学生。项目评审分高达98分源码均已在本地编译通过并验证可运行覆盖用户登录、图书管理、个性化推荐等核心模块整体难度适中适合作为学习样板或二次开发基础。压缩包共2000个文件、约102.56MB包含769张界面截图与设计文档图、202个class编译文件、190个xml配置、104个jsp动态页面、102个js脚本、78个css样式、73个java源文件及SQL数据库脚本等目录结构完整清晰。还附带120个jar依赖库以及字体等前端资源可直接导入IDE配置后运行便于对照源码理解推荐流程和数据库设计。目前已有141人学习下载该资源经助教老师审定能够满足毕业设计与课程设计的实际需求参考价值较高。1. 解压图书推荐系统 ZIP 后先看 Example 类再谈业务解压“Java毕业设计图书推荐系统源码数据库.zip”第一眼看到的不是 README而是整排编译好的 class 文件BookNewExample$GeneratedCriteria.class、OrderExample$GeneratedCriteria.class、CoreController.class。这个命名习惯已经说明了底层技术栈MyBatis Generator。也就是说项目里的图书表、订单表、用户表早就被逆向分析过查询条件被编译成 Criteria 对象。对正在做 Java 毕业设计、数据库课程设计或期末大作业的人来说这类项目值得拆开看推荐逻辑不堆算法而是落在数据库和接口层工作量可见、答辩容易讲清楚评审分高是有原因的。2. 读懂 BookNew 与 Order 表从 Example 类反推数据库模型拿到这种包第一件事不是找启动类而是看Example类。BookNewExample、BookExample、OrderExample都是 MyBatis Generator 根据表结构自动生成的查询包装器类里每一个andXxx方法基本对应表里的一个字段。比如出现andBookNameLike说明有book_name出现andCategoryEqualTo说明有category。用这种方式反推数据库模型比对着 ER 图猜更快也更贴近实际项目里排查遗留代码的思路。2.1 用 javap 反编译 Example 类确认字段如果包内同时有.java和.class直接看源码就行如果没有.javaJDK 自带的javap也能分析结构。在解压目录执行javap -p BookNewExample$GeneratedCriteria.class-p表示显示 private/protected 成员。输出里会列出大量andXxx方法把这些方法去除and和等于、大于、模糊等后缀整理出来的就是book_new表的主要列。类似地整理OrderExample就能得到订单表字段。常见库表结构如下Example 类名对应表常见字段说明BookNewExamplebook_newbook_id, book_name, category, author, price, stock, click_count, score图书基础信息和热度字段OrderExampleorderid, user_id, book_id, create_time, behavior_type用户行为记录推荐系统的事实表BookExamplebook可能是冗余的 book 表或老版表字段与 book_new 相似与 BookNew 二选一或做数据迁移注意OrderExample$GeneratedCriteria.class里如果出现andBehaviorTypeEqualTo说明订单表用behavior_type区分浏览、收藏、借阅、购买。这是后文推荐 SQL 的关键区分维度没有这个字段就只能把全部订单当正样本推荐结果会比较粗糙。2.2 Criteria 组合查询推荐引擎入口的筛选项Example 类最常见的使用场景是条件组合。比如查“分类为 Java、点击量大于 100、库存大于 0”的图书用 BookNewExample 可以这样写BookNewExample example new BookNewExample(); BookNewExample.Criteria criteria example.createCriteria(); criteria.andCategoryEqualTo(Java); criteria.andClickCountGreaterThan(100); criteria.andStockGreaterThan(0); example.setOrderByClause(click_count desc); ListBookNew list bookNewMapper.selectByExample(example);这段代码里example.createCriteria()开启一组 AND 条件andCategoryEqualTo生成category ?andClickCountGreaterThan生成click_count ?参数由 MyBatis 自动绑定不需要手动拼接字符串。setOrderByClause直接拼接到 SQL 尾部虽然方便但注意只允许传入白名单值如果排序字段来自前端要先用 Map 做映射否则有 SQL 注入风险。如果需要 OR 条件再创建一组 Criteriaexample.or().andCategoryEqualTo(Python)。两条 Criteria 之间是 OR 关系同一条 Criteria 内部是 AND 关系。毕业设计里常见的“分类筛选 排序 分页”都能用这套组合完成不需要手写动态 SQL。2.3 订单表如何撑起推荐主链路推荐系统的核心链路通常是用户产生行为 → 行为落到 order 表 → 聚合用户偏好 → 从 book_new 召回候选图书 → 过滤已读/已购 → 排序返回。OrderExample在这里的作用是“查某个用户买过/看过什么”而BookNewExample负责“按分类和热度召回”。两者通过book_id关联。实际项目中多表 join 不会再硬套 Example 类而是直接在 Mapper XML 里写自定义 SQL。Example 类更适合单表条件查询。理解这个边界才能在答辩时说明白“哪些用生成器哪些自己写”。比如订单表统计用户分类偏好就应该走自定义 SQL这一点直接引出下一章的推荐实现。3. 推荐算法落地从订单聚合到 CoreController 接口推荐模块没有过度设计走的是“先根据用户历史行为算分类偏好再在偏好分类里按点击量召回未读图书”。这种基于内容的推荐在数据量小时比协同过滤稳定结果也能解释。下面给出三个关键环节召回 SQL、接口封装、算法取舍。3.1 基于分类偏好的召回 SQL在 Mapper XML 里定义一个selectRecommendBooks查询。核心逻辑分两步先找出用户最常产生行为的 Top3 分类再在这些分类下找点击量高、但用户从未有过行为的图书。SELECT b.book_id, b.book_name, b.category, b.author, b.click_count, b.score, o.cnt AS order_cnt FROM book_new b JOIN ( SELECT book_id, COUNT(*) AS cnt FROM order WHERE user_id #{userId} GROUP BY book_id ) o ON b.book_id o.book_id WHERE b.category IN ( SELECT b2.category FROM order o2 JOIN book_new b2 ON o2.book_id b2.book_id WHERE o2.user_id #{userId} GROUP BY b2.category ORDER BY COUNT(o2.id) DESC LIMIT 3 ) AND b.book_id NOT IN ( SELECT o3.book_id FROM order o3 WHERE o3.user_id #{userId} ) ORDER BY b.click_count DESC, b.score DESC LIMIT #{limit}这段 SQL 的意图是子查询先对当前用户的订单按book_new.category聚合按行为次数倒序截取 3 个分类外层再把这 3 个分类下用户没买过的书按点击量和评分排序。NOT IN子查询用来排除已交互图书避免推荐结果里全是用户已经买过的书。#{userId}是预编译参数#{limit}控制返回条数。需要注意的是如果behavior_type区分了浏览和购买子查询里可以加AND behavior_type IN (buy,collect)让偏好统计更准确。如果只把购买作为正样本冷启动用户拿不到推荐此时可退化为“全站点击量 TopN”在 Service 里判断用户订单数量是否少于阈值。3.2 CoreController 如何组织推荐接口CoreController 是后端暴露给前端的主要入口。推荐接口放在这里保持 Controller 只做参数接收和结果包装真正的查询在 Service 和 Mapper 层。RestController RequestMapping(/api/recommend) public class CoreController { Autowired private BookService bookService; GetMapping(/list) public Result recommend(RequestParam Integer userId, RequestParam(defaultValue 10) Integer limit) { if (userId null || userId 0) { return Result.error(用户ID非法); } ListBookNew books bookService.recommendByUserBehavior(userId, limit); return Result.ok(books); } }RequestParam从查询串里读取userId和limitdefaultValue 10表示前端不传 limit 时默认返回 10 条。参数校验放在 Controller 入口是合理做法避免非法 ID 直接穿透到 SQL。Result.ok是统一返回体通常包含 code、message、data 三个字段前端拿到后按 code 判断业务状态。对应参数说明如下参数类型必填默认值说明userIdInteger是无当前登录用户 IDlimitInteger否10返回图书数量上限对应的 Service 实现里我一般会做两步先查用户行为总数如果小于 5 条直接调用selectHotBooks(limit)返回热门图书否则调用selectRecommendBooks。这种做法能同时应对“新用户”和“老用户”也是答辩时一个容易被认可的细节。调用链可以写成CoreController - BookService - BookMapper/OrderMapper - MyBatis XML - MySQL3.3 为什么选这个算法工作量与答辩表达的平衡很多同学问为什么不用协同过滤或深度学习原因有三条。第一毕业设计数据量通常只有几千条协同过滤的用户-物品矩阵太稀疏推荐质量不一定比分类召回好。第二基于内容的推荐可解释性强答辩时你能说清楚“为什么推荐这本”而协同过滤只能说是“相似用户看过”。第三实现成本低一条 SQL 加一个 Mapper 方法就能完成代码工作量集中在业务链路而不是花在调参上。如果想让项目显得更有层次可以在 3.1 的召回结果上增加“协同过滤二次排序”。常见做法是先从 order 表里找到与当前用户买过同样书的“邻居用户”再把邻居用户买过而当前用户没买过的书按出现次数排序与分类召回结果做加权融合。这个方案不需要引入额外框架用 SQL 或 HashMap 就能实现。4. 从 ZIP 到可运行MySQL 初始化、IDEA 导入和 Mapper 报错排查4.1 解压与数据库初始化先用命令行解压避免 Windows 资源管理器对中文件名和长路径的兼容性问题。这里可以这样操作unzip Java毕业设计图书推荐系统源码数据库.zip -d book-recommend cd book-recommend mysql -uroot -p -e source sql/book_recommend.sql-d指定解压目标目录source是 MySQL 客户端命令执行数据库脚本创建库和表。如果在 Windows 上没有 mysql 命令用 Navicat 或 MySQL Workbench 打开sql目录下的.sql文件执行同样效果。执行完检查一下表是否齐全重点看book_new、order、user三张表是否存在。订单表一般会因为 order 是保留字被写成order或用反引号包裹脚本里会处理。如果解压后没有sql目录只有.class文件那说明资源包只给了编译产物数据库脚本可能需要自己从 Mapper XML 反推。这种情况建议先用 IDEA 打开整个文件夹让 IDE 自动反编译 class 文件再从BookNewMapper.xml的 insert/resultMap 里归纳建表语句。4.2 修改数据源配置并启动后端服务Spring Boot 项目的配置通常写在src/main/resources/application.propertiesSSM 项目则是jdbc.properties。把数据库连接改成本地环境spring.datasource.urljdbc:mysql://localhost:3306/book_recommend?useUnicodetruecharacterEncodingutf8serverTimezoneAsia/ShanghaiallowPublicKeyRetrievaltrue spring.datasource.usernameroot spring.datasource.password123456 spring.datasource.driver-class-namecom.mysql.cj.jdbc.Driver mybatis.mapper-locationsclasspath:mapper/*.xmlURL 里的useUnicodetruecharacterEncodingutf8解决中文乱码serverTimezoneAsia/Shanghai解决 8.0 驱动与本地时区不一致allowPublicKeyRetrievaltrue解决 MySQL 8 使用 caching_sha2_password 认证时抛出的 “Public Key Retrieval is not allowed”。mapper-locations是 MyBatis 扫描 XML 的路径这里用classpath:mapper/*.xml能避免 “Invalid bound statement” 问题。启动方式取决于项目形态# Spring Boot mvn spring-boot:run # 传统 SSM 项目 mvn clean package -DskipTests启动成功后先用接口验证链路curl http://localhost:8080/api/recommend/list?userId1limit10返回 JSON 数组说明整个链路通了。如果 8080 被占用在配置中加server.port8081再重启。这一步验证的是 Controller → Service → Mapper → MySQL 的完整调用而不是只看页面是否打开。4.3 高频报错与日志定位毕业设计项目最常见的几个报错基本都能从最后几行日志里找到根因。先看Caused by再看上面的业务异常。这里整理了一张排查表现象原因处理方式Access denied for user rootlocalhost数据源账号密码错核对 application.properties 里的 username/passwordInvalid bound statement (not found)MyBatis 没扫到 Mapper XML检查 mapper-locations 路径和 XML namespaceUnknown database book_recommend数据库脚本没执行mysql 里 source 一次或手动建库Port 8080 was already in use端口被占用server.port 改 8081Public Key Retrieval is not allowedMySQL 8 认证插件兼容问题JDBC URL 加 allowPublicKeyRetrievaltrueTable book_recommend.order doesnt existorder 是保留字建表脚本被中断用反引号包裹表名重新执行脚本如果日志里出现ClassNotFoundException大概率是 jar 包没有全部引入。用 Maven 的mvn dependency:tree检查依赖或确认lib目录是否加入项目结构。这些报错在答辩现场出现时能快速定位也是一种加分表现。5. 答辩演示技巧给推荐接口增加理由字段和验证 SQL5.1 给返回结果加“推荐理由”在推荐接口返回的 VO 中加入reason字段前端卡片上直接显示“因为你常看 Java 分类所以推荐这本”。这个细节成本很低但能让评委直观理解推荐逻辑。Service 里可以这样构造ListRecommendVO result new ArrayList(); for (BookNew book : books) { RecommendVO vo new RecommendVO(); vo.setBookId(book.getBookId()); vo.setBookName(book.getBookName()); vo.setCategory(book.getCategory()); vo.setReason(因为你近期经常浏览「 book.getCategory() 」类图书); result.add(vo); }RecommendVO是专门给前端展示用的对象不要把数据库实体直接返回。理由字段由 service 层填充Controller 不关心理由怎么生成后续如果换成协同过滤推荐只需要替换 Service 实现。5.2 给评委准备三条验证 SQL演示时直接打开 Navicat 跑这三条 SQL比截图更有说服力。第一条查用户行为最多的分类SELECT b.category, COUNT(*) AS cnt FROM order o JOIN book_new b ON o.book_id b.book_id WHERE o.user_id 1 GROUP BY b.category ORDER BY cnt DESC LIMIT 5;第二条验证推荐列表确实排除了已交互图书把推荐接口返回的 book_id 列表拼进NOT IN确认查询不到当前用户订单中的书。第三条统计推荐接口的覆盖率SELECT COUNT(DISTINCT category) FROM book_new;观察推荐结果是否覆盖多个分类。这三条 SQL 分别证明“偏好计算正确”“过滤逻辑正确”“召回有一定多样性”。5.3 低成本扩展从内容推荐到协同过滤加权如果时间允许可以在 Service 里增加一个recommendBySimilarUser方法用子查询找出相似用户再按共同购买次数排序。最终接口里将内容召回和协同过滤召回合并权重可以硬编码为 0.6 和 0.4。保留CoreController不变前端无感知后端推荐逻辑已经从单一算法变成混合策略。把selectByExample换成自定义 XML 查询就完成了从演示到可维护的转变。本文还有配套的精品资源点击获取 Java毕业设计图书推荐系统：基于MyBatis与分类召回的实现解析
简介这套基于Java的图书推荐系统毕业设计源码附带完整数据库面向正在筹备毕设、课程设计或期末大作业的计算机专业学生。项目评审分高达98分源码均已在本地编译通过并验证可运行覆盖用户登录、图书管理、个性化推荐等核心模块整体难度适中适合作为学习样板或二次开发基础。压缩包共2000个文件、约102.56MB包含769张界面截图与设计文档图、202个class编译文件、190个xml配置、104个jsp动态页面、102个js脚本、78个css样式、73个java源文件及SQL数据库脚本等目录结构完整清晰。还附带120个jar依赖库以及字体等前端资源可直接导入IDE配置后运行便于对照源码理解推荐流程和数据库设计。目前已有141人学习下载该资源经助教老师审定能够满足毕业设计与课程设计的实际需求参考价值较高。1. 解压图书推荐系统 ZIP 后先看 Example 类再谈业务解压“Java毕业设计图书推荐系统源码数据库.zip”第一眼看到的不是 README而是整排编译好的 class 文件BookNewExample$GeneratedCriteria.class、OrderExample$GeneratedCriteria.class、CoreController.class。这个命名习惯已经说明了底层技术栈MyBatis Generator。也就是说项目里的图书表、订单表、用户表早就被逆向分析过查询条件被编译成 Criteria 对象。对正在做 Java 毕业设计、数据库课程设计或期末大作业的人来说这类项目值得拆开看推荐逻辑不堆算法而是落在数据库和接口层工作量可见、答辩容易讲清楚评审分高是有原因的。2. 读懂 BookNew 与 Order 表从 Example 类反推数据库模型拿到这种包第一件事不是找启动类而是看Example类。BookNewExample、BookExample、OrderExample都是 MyBatis Generator 根据表结构自动生成的查询包装器类里每一个andXxx方法基本对应表里的一个字段。比如出现andBookNameLike说明有book_name出现andCategoryEqualTo说明有category。用这种方式反推数据库模型比对着 ER 图猜更快也更贴近实际项目里排查遗留代码的思路。2.1 用 javap 反编译 Example 类确认字段如果包内同时有.java和.class直接看源码就行如果没有.javaJDK 自带的javap也能分析结构。在解压目录执行javap -p BookNewExample$GeneratedCriteria.class-p表示显示 private/protected 成员。输出里会列出大量andXxx方法把这些方法去除and和等于、大于、模糊等后缀整理出来的就是book_new表的主要列。类似地整理OrderExample就能得到订单表字段。常见库表结构如下Example 类名对应表常见字段说明BookNewExamplebook_newbook_id, book_name, category, author, price, stock, click_count, score图书基础信息和热度字段OrderExampleorderid, user_id, book_id, create_time, behavior_type用户行为记录推荐系统的事实表BookExamplebook可能是冗余的 book 表或老版表字段与 book_new 相似与 BookNew 二选一或做数据迁移注意OrderExample$GeneratedCriteria.class里如果出现andBehaviorTypeEqualTo说明订单表用behavior_type区分浏览、收藏、借阅、购买。这是后文推荐 SQL 的关键区分维度没有这个字段就只能把全部订单当正样本推荐结果会比较粗糙。2.2 Criteria 组合查询推荐引擎入口的筛选项Example 类最常见的使用场景是条件组合。比如查“分类为 Java、点击量大于 100、库存大于 0”的图书用 BookNewExample 可以这样写BookNewExample example new BookNewExample(); BookNewExample.Criteria criteria example.createCriteria(); criteria.andCategoryEqualTo(Java); criteria.andClickCountGreaterThan(100); criteria.andStockGreaterThan(0); example.setOrderByClause(click_count desc); ListBookNew list bookNewMapper.selectByExample(example);这段代码里example.createCriteria()开启一组 AND 条件andCategoryEqualTo生成category ?andClickCountGreaterThan生成click_count ?参数由 MyBatis 自动绑定不需要手动拼接字符串。setOrderByClause直接拼接到 SQL 尾部虽然方便但注意只允许传入白名单值如果排序字段来自前端要先用 Map 做映射否则有 SQL 注入风险。如果需要 OR 条件再创建一组 Criteriaexample.or().andCategoryEqualTo(Python)。两条 Criteria 之间是 OR 关系同一条 Criteria 内部是 AND 关系。毕业设计里常见的“分类筛选 排序 分页”都能用这套组合完成不需要手写动态 SQL。2.3 订单表如何撑起推荐主链路推荐系统的核心链路通常是用户产生行为 → 行为落到 order 表 → 聚合用户偏好 → 从 book_new 召回候选图书 → 过滤已读/已购 → 排序返回。OrderExample在这里的作用是“查某个用户买过/看过什么”而BookNewExample负责“按分类和热度召回”。两者通过book_id关联。实际项目中多表 join 不会再硬套 Example 类而是直接在 Mapper XML 里写自定义 SQL。Example 类更适合单表条件查询。理解这个边界才能在答辩时说明白“哪些用生成器哪些自己写”。比如订单表统计用户分类偏好就应该走自定义 SQL这一点直接引出下一章的推荐实现。3. 推荐算法落地从订单聚合到 CoreController 接口推荐模块没有过度设计走的是“先根据用户历史行为算分类偏好再在偏好分类里按点击量召回未读图书”。这种基于内容的推荐在数据量小时比协同过滤稳定结果也能解释。下面给出三个关键环节召回 SQL、接口封装、算法取舍。3.1 基于分类偏好的召回 SQL在 Mapper XML 里定义一个selectRecommendBooks查询。核心逻辑分两步先找出用户最常产生行为的 Top3 分类再在这些分类下找点击量高、但用户从未有过行为的图书。SELECT b.book_id, b.book_name, b.category, b.author, b.click_count, b.score, o.cnt AS order_cnt FROM book_new b JOIN ( SELECT book_id, COUNT(*) AS cnt FROM order WHERE user_id #{userId} GROUP BY book_id ) o ON b.book_id o.book_id WHERE b.category IN ( SELECT b2.category FROM order o2 JOIN book_new b2 ON o2.book_id b2.book_id WHERE o2.user_id #{userId} GROUP BY b2.category ORDER BY COUNT(o2.id) DESC LIMIT 3 ) AND b.book_id NOT IN ( SELECT o3.book_id FROM order o3 WHERE o3.user_id #{userId} ) ORDER BY b.click_count DESC, b.score DESC LIMIT #{limit}这段 SQL 的意图是子查询先对当前用户的订单按book_new.category聚合按行为次数倒序截取 3 个分类外层再把这 3 个分类下用户没买过的书按点击量和评分排序。NOT IN子查询用来排除已交互图书避免推荐结果里全是用户已经买过的书。#{userId}是预编译参数#{limit}控制返回条数。需要注意的是如果behavior_type区分了浏览和购买子查询里可以加AND behavior_type IN (buy,collect)让偏好统计更准确。如果只把购买作为正样本冷启动用户拿不到推荐此时可退化为“全站点击量 TopN”在 Service 里判断用户订单数量是否少于阈值。3.2 CoreController 如何组织推荐接口CoreController 是后端暴露给前端的主要入口。推荐接口放在这里保持 Controller 只做参数接收和结果包装真正的查询在 Service 和 Mapper 层。RestController RequestMapping(/api/recommend) public class CoreController { Autowired private BookService bookService; GetMapping(/list) public Result recommend(RequestParam Integer userId, RequestParam(defaultValue 10) Integer limit) { if (userId null || userId 0) { return Result.error(用户ID非法); } ListBookNew books bookService.recommendByUserBehavior(userId, limit); return Result.ok(books); } }RequestParam从查询串里读取userId和limitdefaultValue 10表示前端不传 limit 时默认返回 10 条。参数校验放在 Controller 入口是合理做法避免非法 ID 直接穿透到 SQL。Result.ok是统一返回体通常包含 code、message、data 三个字段前端拿到后按 code 判断业务状态。对应参数说明如下参数类型必填默认值说明userIdInteger是无当前登录用户 IDlimitInteger否10返回图书数量上限对应的 Service 实现里我一般会做两步先查用户行为总数如果小于 5 条直接调用selectHotBooks(limit)返回热门图书否则调用selectRecommendBooks。这种做法能同时应对“新用户”和“老用户”也是答辩时一个容易被认可的细节。调用链可以写成CoreController - BookService - BookMapper/OrderMapper - MyBatis XML - MySQL3.3 为什么选这个算法工作量与答辩表达的平衡很多同学问为什么不用协同过滤或深度学习原因有三条。第一毕业设计数据量通常只有几千条协同过滤的用户-物品矩阵太稀疏推荐质量不一定比分类召回好。第二基于内容的推荐可解释性强答辩时你能说清楚“为什么推荐这本”而协同过滤只能说是“相似用户看过”。第三实现成本低一条 SQL 加一个 Mapper 方法就能完成代码工作量集中在业务链路而不是花在调参上。如果想让项目显得更有层次可以在 3.1 的召回结果上增加“协同过滤二次排序”。常见做法是先从 order 表里找到与当前用户买过同样书的“邻居用户”再把邻居用户买过而当前用户没买过的书按出现次数排序与分类召回结果做加权融合。这个方案不需要引入额外框架用 SQL 或 HashMap 就能实现。4. 从 ZIP 到可运行MySQL 初始化、IDEA 导入和 Mapper 报错排查4.1 解压与数据库初始化先用命令行解压避免 Windows 资源管理器对中文件名和长路径的兼容性问题。这里可以这样操作unzip Java毕业设计图书推荐系统源码数据库.zip -d book-recommend cd book-recommend mysql -uroot -p -e source sql/book_recommend.sql-d指定解压目标目录source是 MySQL 客户端命令执行数据库脚本创建库和表。如果在 Windows 上没有 mysql 命令用 Navicat 或 MySQL Workbench 打开sql目录下的.sql文件执行同样效果。执行完检查一下表是否齐全重点看book_new、order、user三张表是否存在。订单表一般会因为 order 是保留字被写成order或用反引号包裹脚本里会处理。如果解压后没有sql目录只有.class文件那说明资源包只给了编译产物数据库脚本可能需要自己从 Mapper XML 反推。这种情况建议先用 IDEA 打开整个文件夹让 IDE 自动反编译 class 文件再从BookNewMapper.xml的 insert/resultMap 里归纳建表语句。4.2 修改数据源配置并启动后端服务Spring Boot 项目的配置通常写在src/main/resources/application.propertiesSSM 项目则是jdbc.properties。把数据库连接改成本地环境spring.datasource.urljdbc:mysql://localhost:3306/book_recommend?useUnicodetruecharacterEncodingutf8serverTimezoneAsia/ShanghaiallowPublicKeyRetrievaltrue spring.datasource.usernameroot spring.datasource.password123456 spring.datasource.driver-class-namecom.mysql.cj.jdbc.Driver mybatis.mapper-locationsclasspath:mapper/*.xmlURL 里的useUnicodetruecharacterEncodingutf8解决中文乱码serverTimezoneAsia/Shanghai解决 8.0 驱动与本地时区不一致allowPublicKeyRetrievaltrue解决 MySQL 8 使用 caching_sha2_password 认证时抛出的 “Public Key Retrieval is not allowed”。mapper-locations是 MyBatis 扫描 XML 的路径这里用classpath:mapper/*.xml能避免 “Invalid bound statement” 问题。启动方式取决于项目形态# Spring Boot mvn spring-boot:run # 传统 SSM 项目 mvn clean package -DskipTests启动成功后先用接口验证链路curl http://localhost:8080/api/recommend/list?userId1limit10返回 JSON 数组说明整个链路通了。如果 8080 被占用在配置中加server.port8081再重启。这一步验证的是 Controller → Service → Mapper → MySQL 的完整调用而不是只看页面是否打开。4.3 高频报错与日志定位毕业设计项目最常见的几个报错基本都能从最后几行日志里找到根因。先看Caused by再看上面的业务异常。这里整理了一张排查表现象原因处理方式Access denied for user rootlocalhost数据源账号密码错核对 application.properties 里的 username/passwordInvalid bound statement (not found)MyBatis 没扫到 Mapper XML检查 mapper-locations 路径和 XML namespaceUnknown database book_recommend数据库脚本没执行mysql 里 source 一次或手动建库Port 8080 was already in use端口被占用server.port 改 8081Public Key Retrieval is not allowedMySQL 8 认证插件兼容问题JDBC URL 加 allowPublicKeyRetrievaltrueTable book_recommend.order doesnt existorder 是保留字建表脚本被中断用反引号包裹表名重新执行脚本如果日志里出现ClassNotFoundException大概率是 jar 包没有全部引入。用 Maven 的mvn dependency:tree检查依赖或确认lib目录是否加入项目结构。这些报错在答辩现场出现时能快速定位也是一种加分表现。5. 答辩演示技巧给推荐接口增加理由字段和验证 SQL5.1 给返回结果加“推荐理由”在推荐接口返回的 VO 中加入reason字段前端卡片上直接显示“因为你常看 Java 分类所以推荐这本”。这个细节成本很低但能让评委直观理解推荐逻辑。Service 里可以这样构造ListRecommendVO result new ArrayList(); for (BookNew book : books) { RecommendVO vo new RecommendVO(); vo.setBookId(book.getBookId()); vo.setBookName(book.getBookName()); vo.setCategory(book.getCategory()); vo.setReason(因为你近期经常浏览「 book.getCategory() 」类图书); result.add(vo); }RecommendVO是专门给前端展示用的对象不要把数据库实体直接返回。理由字段由 service 层填充Controller 不关心理由怎么生成后续如果换成协同过滤推荐只需要替换 Service 实现。5.2 给评委准备三条验证 SQL演示时直接打开 Navicat 跑这三条 SQL比截图更有说服力。第一条查用户行为最多的分类SELECT b.category, COUNT(*) AS cnt FROM order o JOIN book_new b ON o.book_id b.book_id WHERE o.user_id 1 GROUP BY b.category ORDER BY cnt DESC LIMIT 5;第二条验证推荐列表确实排除了已交互图书把推荐接口返回的 book_id 列表拼进NOT IN确认查询不到当前用户订单中的书。第三条统计推荐接口的覆盖率SELECT COUNT(DISTINCT category) FROM book_new;观察推荐结果是否覆盖多个分类。这三条 SQL 分别证明“偏好计算正确”“过滤逻辑正确”“召回有一定多样性”。5.3 低成本扩展从内容推荐到协同过滤加权如果时间允许可以在 Service 里增加一个recommendBySimilarUser方法用子查询找出相似用户再按共同购买次数排序。最终接口里将内容召回和协同过滤召回合并权重可以硬编码为 0.6 和 0.4。保留CoreController不变前端无感知后端推荐逻辑已经从单一算法变成混合策略。把selectByExample换成自定义 XML 查询就完成了从演示到可维护的转变。本文还有配套的精品资源点击获取