【开题答辩全过程】以 基于协同过滤算法的经济型酒店推荐系统为例，包含答辩的问题和答案

个人简介

一名14年经验的资深毕设内行人，语言擅长Java、php、微信小程序、Python、Golang、安卓Android等

开发项目包括大数据、深度学习、网站、小程序、安卓、算法。平常会做一些项目定制化开发、代码讲解、答辩教学、文档编写、也懂一些降重方面的技巧。

感谢大家的关注与支持！

各位老师好，我是XX同学。我的题目是“基于协同过滤算法的经济型酒店推荐系统——以济南市为例”。系统主要帮预算有限的用户快速找到高性价比酒店。核心功能三块：①自动爬取携程、艺龙上的酒店数据；②用基于邻域的协同过滤算出差评少、价格低、销量高的“邻居”酒店；③把推荐结果用柱状图、热力图直观展示。技术栈选的是 Python + requests/BeautifulSoup 爬数据，pandas 做清洗，scikit-surprise 跑协同过滤，MySQL 存数据，前端用 Django + ECharts 画图，整套在个人笔记本就能跑通。

评委老师：为什么只做“经济型”酒店？
答辩学生：预算在 150–250 元的用户最多，数据量够大，特征也集中，算法效果比普通全档次酒店更好测。

评委老师：数据从哪来？合法吗？
答辩学生：用 Python 模拟正常点击，只拿公开页面上的价格、评分、评论，不碰登录和隐私接口，频率设 1 秒一次，符合网站 robots 协议。

评委老师：爬多少条够用？
答辩学生：先爬 3000 条左右，大概覆盖济南 80% 经济型酒店，按 8:1:1 分训练、验证、测试。

评委老师：缺失值怎么处理的？
答辩学生：价格缺失直接丢掉，评分缺失用同商圈同档次酒店的平均分补，评论为空就给它一个中性的 3 分。

评委老师：为什么选“基于邻域”而不是深度学习？
答辩学生：数据集也就几千条，深度模型容易过拟合，邻域方法简单、可解释性强，调参少，适合我这种基础。

评委老师：用什么指标评价推荐效果？
答辩学生：主要用 RMSE 看评分预测误差，再用 Precision@5 和 Recall@5 看前 5 推荐里用户真正喜欢的比例。

评委老师：冷启动怎么办？新酒店没评分？
答辩学生：新酒店先按“价格+星级”相近的老酒店做兜底推荐，等收集到 10 条真实评分后再进协同过滤模型。

评委老师：系统怎么部署？
答辩学生：Django 跑在本地 8000 端口，前端一页输入预算和商圈，后台 2 秒内返回推荐列表和柱状图，老师现场也能点开看。

评委老师：进度安排？
答辩学生：2025 年 1 月完成爬虫+清洗，2 月跑通协同过滤，3 月把可视化页面做出来，4 月写论文，5 月查重答辩。

评委老师：XX 同学选题贴近生活，技术路线清晰，工作量适中，冷启动和缺失值也考虑了，具备完成条件。下一步注意按时把系统界面做漂亮，论文里多放对比图表。总体同意开题，继续加油。

以上是某同学的毕业设计答辩的过程，如果你现在还没有参加答辩，还是开题阶段，已经选好了题目不知道怎么写开题报告，可以下面找找有没有自己符合自己题目的开题报告内容，列表中的开题报告都是往届真实的开题报告，可发送使用或参考。文末或底部来联xi可免费获取

最后

有时间和有基础的同学，建议自己多花时间找一下资料（开题报告、源码）自己独立完成毕设，需要开题报告内容、源码参考的，可以联xi博主，没有选题的也可以联系我们进行帮你选题、定功能和建议。