【开题答辩实录分享】以《基于大数据技术的二手车交易数据分析与设计》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！
基于大数据技术的二手车交易数据分析与设计系统，核心功能围绕解决二手车交易平台信息不对称、海量数据检索难、用户个性化需求难满足等问题展开，具体可概括为：
- 数据采集与处理：通过 Python 爬虫获取二手车相关数据，借助 Hadoop 生态（如 MapReduce）实现海量用户行为数据（浏览、收藏、咨询等）与车辆数据（价格、配置、里程等）的分布式高效处理；
- 用户兴趣建模与个性化推荐：收集用户浏览、互动、操作行为，结合时间与频率因素构建随用户兴趣变化的多兴趣模型，采用协同过滤推荐算法，针对新用户通过偏好问卷 + 实时行为调整推荐策略，为用户精准推送匹配车型，同时解决冷启动问题；
- 数据可视化呈现：基于 Vue 框架与 ECharts，为用户展示推荐车型的价格趋势、性价比对比等信息，为平台运营端提供销量排行、交易热度变化、车型维度分析等可视化结果，辅助决策；
- 数据存储与管理：用 MySQL 持久化存储用户基本信息、车辆详细数据、订单评价等结构化数据，通过 Redis 缓存高频访问数据（如近期浏览记录、热门推荐列表），提升系统响应速度；
- 核心问题解决：通过引入时间因素优化用户兴趣模型解决兴趣变化问题，借助分布式计算、数据采样、缓存策略优化协同过滤算法，解决系统可扩展性问题，保障用户量与车辆数据增长后系统仍高效运行。
【开题陈述】
各位老师好，我是H同学。我的课题是"基于大数据技术的二手车交易数据分析与设计"。
系统面向二手车平台的海量车源与用户行为数据，通过Hadoop+MapReduce完成离线计算，SpringBoot提供REST接口，Vue+ECharts做可视化，MySQL+Redis存储业务与缓存。
核心功能包括：1.爬虫采集车源与用户标签；
2.协同过滤与兴趣变化模型生成推荐列表；
3.管理后台的车源、用户、标签管理；
4.推荐效果与留存报表。
整个流程覆盖"采集-清洗-建模-推荐-评估"闭环，计划2025年10月完成原型，12月底交付可运行系统，请老师批评指正。
【答辩开始】
评委老师：为什么一定要用Hadoop离线计算，而不用Spark全内存计算？
答辩学生：二手车平台每天新增约200G日志，资金有限，只有5台旧服务器，Hadoop磁盘级计算对内存要求低、稳定性高；同时夜间运行MapReduce不抢占在线业务资源，TCO便宜。若后续实时性要求提升到分钟级，我再在Hadoop外层加Spark Streaming做混合Lambda架构即可平滑升级。
评委老师：协同过滤面对"新用户冷启动"怎么解决？
答辩学生：对新注册且无行为记录的用户，系统先根据注册IP、搜索关键词、落地页车型类别打"初筛标签"，用标签匹配找最热门且库存充足的Top-N车源做"热度推荐"；待用户产生3次以上点击或1次收藏后，再切换到基于用户的协同过滤，保证首日推荐转化率不低于10%。
评委老师：爬虫抓到30个字段，如何保证数据质量与去重？
答辩老师：我采用"字段+规则+阈值"三层清洗：①字段层做正则校验，如价格必须为数字且在1-500万区间；②规则层用SimHash计算描述文本的64位签名，海明距离≤3即判重；③阈值层把同一VIN码7天内多次上架视为"重复上架"，只保留最新一条。清洗后脏数据率由8.4%降到1.2%，可直接入仓。
评委老师：推荐模型每天跑一次MapReduce，推荐结果多久生效？
答辩学生：T+1凌晨02:00启动工作流，05:00生成新的推荐表，通过Redis的hash结构"覆盖写"方式推送，接口层实时读取，前端用户6点起床后看到的就是最新推荐；整体延迟约3小时，满足二手车"非秒杀"场景需求。
评委老师：标签网络用社团检测划分兴趣族，如何确定最优社团数K？
答辩学生：采用Louvain模块度Q值迭代，当ΔQ<0.001时停止，实测K落在12-18区间，模块度Q稳定在0.42-0.45，符合"高内聚低耦合"标准；同时用业务专家抽检3个社团，语义一致性>85%，证明K无需人工指定，算法自适应。
评委老师：系统上线后你如何评估"推荐效果"？核心指标有哪些？
答辩学生：一期用离线+在线双指标：离线看覆盖率、多样性、新颖度；在线用A/B Test，对照组走原热度排序，实验组走个性化推荐，持续两周，核心指标①CTR≥+25%，②人均收藏数≥+18%，③七日留存≥+8%，任意两项达标即算有效；同时记录冷门车源曝光占比，确保长尾覆盖率提升10%以上。
评委老师：如果平台规模扩大到每日PB级日志，现有架构最大的瓶颈在哪？你准备如何横向扩展？
答辩学生：瓶颈首先是NameNode内存和单队列JobTracker，PB级后元数据暴涨；我计划①把HDFS升级到Federation，多NameNode分片管理；②计算层迁移到YARN+Spark on Kubernetes，把JobTracker职责拆成ResourceManager+ApplicationMaster，可动态伸缩；③推荐模型改用参数服务器框架，如PS-Spark，把超大矩阵分解模型分片到百台节点，实现小时级增量更新，保证整体吞吐线性提升。
【评委总结】
H同学选题契合产业热点，对数据清洗、冷启动、离线/在线评估等关键环节有具体算法和量化指标，横向扩展方案亦考虑充分，体现出较好的系统思维与工程素养。若能在后续工作中补充真实A/B Test结果与成本收益分析，论文说服力将更强。经讨论，开题予以通过，望按计划推进，预祝顺利完成！
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参考。
