每年到毕业季找我聊毕设的人就特别多尤其是计算机、大数据方向的本科生翻来覆去就是那几类题目管理系统、推荐系统、数据分析平台。前阵子有个学弟选了“基于Spring Boot机器学习的智能学习辅导系统”我陪他从选题一路做到部署整体做下来感觉这个题目相当有代表性既不像纯管理系统那样单薄也不像纯算法研究那样难以落地刚好卡在工程和算法的交叉点上。今天就把这套系统的完整实战过程拆开讲从环境准备、模块设计、算法集成、部署发布到答辩避坑按一条线梳理出来给准备做大数据、AI相关毕设的同学当个参考。这套系统到底做了什么简单来说给学生一个能看课程、做练习、收推荐的学习平台给老师一个能管题库、查学情、做分析的管理后台底层再用机器学习引擎处理学习行为数据输出个性化推荐和学习预测。这里面的关键不是把Spring Boot跑起来而是怎么让机器学习模型真正接到业务流程里让模型产生实际价值。这篇实战记录不聊虚的只说我实际验证过的方案和踩过的坑。1. 项目定位与整体设计思路1.1 为什么选这个题目毕设选题有三个硬要求有技术难度、能展示、工作量清单明确。“智能学习辅导系统”恰好全占。它不是一个简单的“学生管理系统”因为管理只是地基上层还要有行为采集、数据处理、模型训练、结果推送是一个能完整走通数据闭环的项目。从技术含量看Spring Boot对应企业级后端开发能力机器学习对应数据分析与建模能力合起来就是大数据方向最典型的一个组合。比“XX管理系统”有区分度比“纯算法实现”更接近真实产品。从工作量看系统可以拆成前台学习端、后台管理端、算法服务端三大块每一块都有明确产出论文也能分章节写清楚。从演示效果看页面能跑、接口能调、模型能出结果答辩现场直接开浏览器演示比光讲PPT有说服力得多。还有一个实际考虑Machine Learning 部分不用一上来就堆深度神经网络。用协同过滤做推荐、用回归模型做成绩预测这两个算法在本科阶段足够了而且数据量不大、训练快、解释起来也容易不用申请GPU资源一台普通电脑就能跑完全部实验。1.2 系统整体架构与模块划分整体架构分成三端前端页面、Spring Boot后端、Python算法服务。前端我用的是经典服务端渲染加Vue混合的方式页面主体用AdminLTE模板改的数据交互走Ajax后端统一提供RESTful接口算法服务独立成Python工程负责模型训练、保存和预测Spring Boot通过HTTP调用它。模块划分上我按“前台-后台-算法”三个维度切。前台学生端包含注册登录、个人学习档案、课程列表、在线做题、学习计划、智能推荐的课程/知识点、成绩预测结果、学习趋势图。教师端包含学生管理、课程管理、题库管理、作业批改、班级学情分析、风险学生预警。管理员端比较轻就是系统配置、用户状态管理、数据统计报表。算法服务端包含数据处理脚本、模型训练脚本、推荐结果生成、预测接口、模型文件目录。模块划分清楚之后数据流就自然出来了学生在前台产生浏览、答题、收藏、时长等行为数据先落MySQL再通过定时任务或手动触发同步给Python服务Python服务完成特征工程后训练模型或输出推荐结果最后回写到推荐结果表前端再读取展示。这一步是整个系统最有含金量的地方也是和普通“增删改查毕设”拉开差距的关键。2. 核心技术选型与关键决策2.1 Spring Boot为什么不用SSH或SSM很多学校教材还在教SSH或SSM但真正做毕设我强烈建议直接上Spring Boot。原因很简单Spring Boot把大量配置自动化了内嵌Tomcat打成一个jar就能跑不用再折腾外部服务器配置。这对毕设来讲意味着把时间省下来去做业务和算法而不是耗在XML配置里。具体到我这个项目后端用的Spring Boot 2.7.x Java 8 MyBatis-Plus。为什么不追最新版本因为Spring Boot 3.0之后要求Java 17而且部分老第三方库兼容性不稳定MyBatis-Plus对Spring Boot 2.7的支持非常成熟分页、条件构造器、逻辑删除这些功能都现成能用能少写很多重复代码。选型数据可以做一个简单对比方案上手速度配置成本部署成本适合场景SSH慢高较高教材教学SSM中等中中课程设计Spring Boot快低低毕设/实际项目实际开发中还要选好依赖管理工具就是Maven。用Maven管理依赖版本能避免团队协作时的“我本地能跑你机器跑不了”问题。持久层选MyBatis-Plus而非原生MyBatis核心原因是它自带单表CRUD和分页插件复杂查询用XML也能写两头兼顾。2.2 机器学习模型落地方式训练和预测分离机器学习模型怎么和Spring Boot集成我见过三种主流做法也踩过不同的坑。第一种是把训练和预测全写在Java里用Weka或Spark MLlib。优点是纯Java栈部署简单缺点是这些库更新慢部分算法不好调参论文里呈现的训练过程也不直观。第二种是用Python写好模型然后直接用ProcessBuilder从Java里调用Python脚本。优点是不用额外起服务缺点是每次预测都启动Python进程慢且容易出UTF-8编码问题模型路径管理也乱。第三种是训练和预测分离Python端负责训练并保存模型然后用Flask或FastAPI封装成独立预测服务Spring Boot通过RestTemplate或OpenFeign调用。这也是我最终选用的方案。理由很直接训练过程和数据探索可视化都在Jupyter里完成容易截图放论文预测接口独立部署不拖累Spring Boot性能答辩时可以直接打开Python代码和模型文件讲建模过程说服力更强。架构关系简要描述Spring Boot后端在需要预测时拼装特征数据向Python服务发送POST请求Python服务加载模型、计算后返回预测分数或推荐列表Spring Boot拿到结果后落库并返回给前端。2.3 数据库与存储设计数据库是毕设最容易翻车的环节。智能学习辅导系统核心表不需要太多但每张表都要能自圆其说。我设计的核心表包括用户表、角色权限表、课程表、知识点表、题目表、答题记录表、学习行为表、推荐结果表、成绩预测表。其中学习行为表最重要它记录学生每次的浏览时长、答题正确率、访问频次、收藏动作原始行为数据是后续所有机器学习应用的基础。设计这类表时尽量把action_type做成数字枚举便于统计。给出最核心的建表SQL片段CREATE TABLE user ( id bigint(20) NOT NULL AUTO_INCREMENT, username varchar(50) NOT NULL, password varchar(255) NOT NULL, role tinyint(4) DEFAULT 0 COMMENT 0学生 1教师 2管理员, create_time datetime DEFAULT CURRENT_TIMESTAMP, PRIMARY KEY (id) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4;注意三件事字符集一定用utf8mb4而不是utf8否则存不了emoji和部分冷门文字表名尽量不要叫user因为它是MySQL关键字如果非要用就加上反引号我更推荐命名为sys_user逻辑删除字段建议保留轮文里能体现设计意识。3. 核心功能实现与机器学习落地3.1 智能推荐模块协同过滤还是内容推荐学习辅导系统的“智能”主要体现在推荐。我实现了两种推荐策略基于用户的协同过滤和基于内容的推荐效果上做加权融合。基于用户的协同过滤思路比较容易讲清楚先找到和你兴趣相似的一批学生再把这些人学过且你没学过的课程推荐给你。相似度计算我用的是皮尔逊相关系数公式写进论文里很规范但代码里只需要调用Python的scipy库就行。简单示例假如学生A和学生B都对5门课打过3、4、5分把两个评分向量算出相关系数数值越接近1代表偏好越一致。推荐分用加权公式预测pred sum(rating_similar_user * similarity) / sum(abs(similarity))冷启动问题是必问的坑。新学生没有任何行为记录协同过滤直接失效。我的处理方式是冷启动阶段默认推荐全局热度最高的课程等积累了5条以上行为数据后再切到个性化推荐。这个逻辑在页面和论文里都要写清楚属于很漂亮的业务兜底设计。3.2 学习行为分析与成绩预测模块成绩预测是另一个机器学习落地场景。目标是根据学生在学期前半段的行为数据预测期末成绩区间方便老师提前干预。特征工程我用了这些字段累计在线学习时长、直播/录播观看次数、平均作业得分、测验次数、缺交作业次数、最近一周活跃天数。标签就是最终期末成绩分数。模型选线性回归和随机森林各跑一遍对比R²、均方误差MSE和平均绝对误差MAE最后选了随机森林因为它在小数据上表现更稳还能输出特征重要性。这里有一个很关键的经验不要迷信复杂模型。本科毕设场景下线性回归结果往往就够用了哪怕R²只有0.7也能支撑“模型有效”的结论。重点是把训练集/测试集划分、归一化、评估指标这些流程讲透而不是比谁的模型分数更高。训练数据怎么来不能真等一个学期采集。我写了一个Python数据生成脚本随机生成3000条带逻辑关联的模拟数据再插入MySQL。比如学习时长越长期末分数整体偏高作业交得越少分数偏低。这样模型训练出来相关性明显演示效果好。答辩时如果被问数据来源就如实说是离线生成的模拟数据同时强调系统预留了真实数据采集通道。3.3 核心代码片段Spring Boot 调用 Python 模型服务这块放两段我实际用的核心代码。第一段是Spring Boot里的预测接口用RestTemplate把特征数据发给Python服务RestController RequestMapping(/api/predict) public class PredictController { private static final String ML_SERVICE_URL http://localhost:5000/predict; PostMapping(/score) public Result predictScore(RequestParam Long userId) { // 从数据库查询并组装特征 MapString, Object features learningService.buildFeatures(userId); // 调用Python模型服务 RestTemplate restTemplate new RestTemplate(); MapString, Object request new HashMap(); request.put(features, features); MapString, Object response restTemplate.postForObject(ML_SERVICE_URL, request, Map.class); // 写入预测结果表并返回 Double score Double.parseDouble(response.get(score).toString()); learningService.savePrediction(userId, score); return Result.success(score); } }第二段是Python端FastAPI服务的核心逻辑from fastapi import FastAPI import joblib import numpy as np app FastAPI() model joblib.load(model/score_model.pkl) scaler joblib.load(model/scaler.pkl) app.post(/predict) def predict(data: dict): features np.array(data[features]).reshape(1, -1) features_scaled scaler.transform(features) score model.predict(features_scaled) return {score: float(score[0])}注意RestTemplate是同步阻塞的并发高会占线程但毕设场景完全没问题。如果以后要抗更高并发可以换WebClient或OpenFeign这些在论文扩展方向里提一句就够了。3.4 前端可视化与交互展示前端不能做得太寒酸。我用了ECharts展示学习趋势图和班级成绩分布效果直接决定答辩第一印象。页面核心包括学生个人中心里的雷达图展示知识掌握度教师端折线图展示班级平均分变化管理员端柱状图展示平台活跃度。可视化数据不复杂后端接口返回JSON前端用Ajax拿到后setOption即可。值得提醒的是图表标题、提示文字一定做成中文并且和数据库字段含义一致别出现英文裸字段老师一眼就能看出你匆忙拼凑。页面交互走的是经典“登录→进入学生端/教师端→功能导航→数据展示”链路尽量在演示视频里把这条链路完整走一遍。4. 完整交付内容与部署实战4.1 交付物结构与文档组织一套完整的毕业设计交付绝对不只是放个源码包就完事。我按学校要求整理了五个部分可运行源码、数据库初始化脚本、论文文档LW、部署文档、演示视频。项目目录结构如下smart-learning ├── backend │ ├── src/main/java │ ├── src/main/resources │ └── pom.xml ├── algorithm-service │ ├── model │ ├── data_generator.py │ ├── train.py │ └── predict_service.py ├── sql │ └── init.sql ├── doc │ ├── 开题报告.md │ ├── 论文文档(LW).md │ └── 部署文档.md └── video └── demo.mp4论文文档这个部分容易被忽视但很多学校要求必须单独有文档支撑。我的建议是论文写六章绪论、相关技术、需求分析、系统设计、系统实现、测试与总结。其中“相关技术”不要长篇大论抄书用一两页把Spring Boot和机器学习流程讲清楚就行重点放“系统实现”。4.2 本地运行与服务器部署步骤部署是毕设里最折磨人的环节经常出现“在我电脑上好好的换台机器就起不来”。下面给出一套我在项目中验证过的标准流程。本地运行按顺序做安装JDK 8、Maven 3.6、MySQL 8创建数据库执行sql/init.sql修改backend的application.yml把数据库账号密码改成自己的启动Python服务先安装requirements.txt再跑python predict_service.py最后用Maven打包并启动Spring Bootmvn clean package -DskipTests java -jar target/smart-learning.jar放到服务器上部署时核心命令就是三行nohup java -jar smart-learning.jar --server.port8080 app.log 21 nohup python predict_service.py ml.log 21 服务器上注意两件事第一安全组和防火墙一定要放行端口比如8080和5000否则外部访问不了第二数据库时区必须在连接串里显式指定serverTimezoneAsia/Shanghai否则查询结果差8小时。日志文件命名也建议分开应用日志和算法服务日志混在一起会非常难排查。4.3 演示视频录制技巧演示视频不是录屏凑时长而是给老师快速展示项目完成度的工具。我通常控制在8到12分钟。结构按“系统介绍→学生端功能演示→教师端功能演示→算法服务演示→核心代码讲解”走。演示算法时不要只停留在页面要切到Python训练脚本和模型文件展示然后切回系统把模型预测结果和真实分数做个对比。这段对比是整个视频的加分点。录制时开个大字体模式鼠标别乱飘关键点击处可以短暂停顿方便后期剪辑加字幕。5. 常见问题与排查技巧实录5.1 环境与启动类问题第一个高频问题就是端口被占用。解决方案跑netstat -ano查占用进程或者干脆换一个端口。第二个高频问题是Maven依赖下载慢我建议在settings.xml里配置国内镜像仓库实测下载速度快很多。第三个问题是MySQL驱动版本不匹配默认驱动在Spring Boot 2.7里对应的是com.mysql.cj.jdbc.Driver不要再用老版的com.mysql.jdbc.Driver。每次启动失败第一件事别闷头改配置先看完整日志。我写了个排查顺序端口是否占用→数据库连接串是否正确→依赖是否完整→前端静态资源是否路径写错。按这个顺序能解决八成问题。5.2 机器学习模型相关问题Python服务最容易出的问题是模型文件路径写错或者训练时用的Python版本和部署时不一致。我的建议是建一个requirements.txt锁定版本训练和部署都用同一个虚拟环境。pickle序列化在Python版本不同时经常报错所以我在项目里统一改用joblib稳定性好很多。模型加载慢的问题也要重视。刚开始模型不分大小直接加载结果一个几百MB的模型每次预测都要重新加载实测延迟很高。后来我在FastAPI启动时只加载一次模型存成全局变量后面对接Spring Boot就稳定多了。5.3 XSS全局过滤器把上传PDF弄坏了这是一个很隐蔽但非常经典的坑。为了防XSS很多初学者会用全局过滤器把请求参数统一转义结果上传PDF、图片这类二进制文件时body被当字符串解析文件直接损坏。我在这个项目里就遇到过上传PDF后文件打不开排查半天发现是过滤器把所有请求体都处理了一遍。解决方案是在过滤器里加判断遇到Content-Type为multipart/form-data的请求直接放行只对普通的JSON和表单请求做参数清理。代码如下Override public void doFilter(ServletRequest request, ServletResponse response, FilterChain chain) { HttpServletRequest httpRequest (HttpServletRequest) request; String contentType httpRequest.getContentType(); if (contentType ! null contentType.startsWith(multipart/)) { chain.doFilter(request, response); return; } // 对非文件请求执行清理逻辑 }5.4 答辩高频问题与应对思路答辩时老师一定会问几个问题提前准备比临场发挥靠谱得多。第一个必问“数据是哪来的”不要支支吾吾说模拟数据。你可以说系统设计时预留了行为采集接口因真实数据采集周期较长当前验证阶段使用Python脚本生成的模拟数据模型验证通过后可直接切换真实数据源。第二个必问“为什么用协同过滤而不用深度学习”回答逻辑协同过滤可解释性强、训练成本低在缺少算力的教学场景里更合适深度学习需要更大数据量可作为系统后续扩展方向。第三个必问“模型准确性怎么评估”直接讲R²、MAE、MSE并且能现场指出训练集测试集比例、交叉验证结果。只要能把这个讲明白老师基本不会再纠结算法细节。最后说几句实在话这套项目最后在学弟的答辩里拿了优。我个人最大的感触是毕设选题别贪大但一定要做闭环。Spring Boot加机器学习这个组合只要你把数据流走通把每一个交付物备齐就是一个能让人眼前一亮的作品。后续如果想继续优化我建议先理解“训练和预测分离”这个思想它能让你在真实项目里少走很多弯路。顺手再提醒一句无论你是打算自己从零做还是拿完整源码做二次开发一定要亲手把项目从头到尾跑通一遍再上台演示。真机演示一次胜过PPT里讲十次。