【开题答辩实录分享】以《基于协调过滤算法的插画分享与社交网络平台的设计与实现》为例进行答辩实录分享
大家好，我是韩立。
写代码、跑算法、做产品，从 Java、PHP、Python 到 Golang、小程序、安卓，全栈都玩；带项目、讲答辩、做文档，也懂降重技巧。
这些年一直在帮同学定制系统、梳理论文、模拟开题，积累了不少“避坑”经验。
新学期开始，很多人卡在选题：想要新颖，又怕做不完。接下来我会持续分享一批“好上手且有亮点”的选题思路和完整开题答辩案例，给你参考，也给你灵感。关注我，毕业设计不再头秃！
系统核心是解决传统插画创作孤立、用户找图低效的问题，功能围绕 “创作 - 分享 - 社交 - 个性化推荐” 展开：
用户可完成注册登录与个人信息管理，上传插画作品并进行分类展示，还能对他人作品点赞、评论、分享；
平台依托社交模块支持用户添加好友、关注兴趣相似者，促进画师间创意交流；
推荐模块通过基于用户（UserCF）与基于物品（ItemCF）的协同过滤算法，结合用户浏览、收藏等行为数据，推送个性化插画与同好用户；
数据分析模块收集处理用户行为数据，优化推荐算法效果；消息通知模块则在用户收到关注、点赞、评论时及时提醒，同时平台通过数据加密、权限控制保障用户数据安全，整体实现插画垂直领域的高效分享与社交互动。
【开题陈述】
各位老师好，我是H同学，课题是《基于协同过滤算法的插画分享与社交网络平台的设计与实现》。平台面向插画师与爱好者，提供作品上传、点赞、评论、关注与个性化推荐服务；
核心模块包括用户中心、插画作品、社交互动、推荐引擎、数据分析与消息通知。
技术栈：Django+SQLite3后端，Bootstrap前端，协同过滤采用UserCF与ItemCF混合策略，HTTPS保障安全，2025年5月完成上线。
【答辩开始】
评委老师：新用户注册后没有任何行为，如何解决冷启动无法推荐的问题？
答辩学生：采用热门+标签默认推荐：先按近7天点赞数倒序取Top20，再取用户注册时选择的‘偏好风格’标签做交集，保证首页不为空。
评委老师：UserCF需要计算用户相似度，你准备用哪种度量方法？时间复杂度大概是多少？
答辩学生：用余弦相似度，只对有交集的物品评分向量计算；提前建倒排表，把O(n²)降到O(n·k)，k平均约200，1000用户在线计算100ms内完成。
评委老师：SQLite只写在一台服务器，如果日活涨到1万，读写出现阻塞，你如何快速迁移而不改代码？
答辩学生：用SQLite3→PostgreSQL的兼容模式：把db.sqlite3文件通过pgloader一键导入，Django只改ENGINE名称为django.db.backends.postgresql，其他ORM语句不变，30分钟切换。
评委老师：用户给同一幅插画既点赞又取消，行为表频繁插入再软删除，怎么防止数据膨胀？
答辩学生：对(user_id,illust_id)建唯一索引，用UPSERT：ON CONFLICT UPDATE设置is_cancel=true/false，物理行只有一条，更新标记位，避免无限追加。
评委老师：ItemCF计算物品相似度时，两幅插画被同一批用户喜欢，但标签完全不同，会出现‘风格漂移’，你如何缓解？
答辩学生：把余弦分两步加权：0.7行为相似度+0.3标签编辑距离，限制只有top3最相近标签才参与计算，既保留行为信息又抑制漂移。
评委老师：如果平台后期引入深度学习模型，需要离线TF特征与在线Django实时拼接，你如何保证推荐接口P99延迟<200ms？
答辩学生：把深度特征提前写入Redis Hash，illust_id作为key，Django请求时直接HMGET，拼接后计算排序，实测P99 120ms；离线模型用Celery定时更新Hash，不阻塞线上。
评委老师：请说明在协同过滤结果中如何再增加‘多样性’，并给出可量化指标及实现步骤。
答辩学生：用MMR(Maximal Marginal Relevance)重排序：λ=0.5平衡相关性与新颖度，候选集200取Top50；多样性指标定义：类目覆盖率=推荐列表中类目去重数/总类目，目标≥70%；实现：先按分相关度降序，再对每类目设窗口k=3，超过3强制降权，保证各风格都有曝光。
【评委总结】
H同学对冷启动、相似度计算、性能扩容和多样性都有具体量化方案，尤其Redis缓存特征与MMR重排序思路清晰。建议在后续实验中补充真实用户A/B测试数据，并关注SQLite迁移后的索引优化。总体目标明确、技术路线可行，同意开题。
以上是H同学的毕业设计答辩过程，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。