开发技术
前端：JQuery HTML CSS
后端：JSP+Servlet+JDBC
算法：标签推荐、热门推荐
代码开源地址
https://gitee.com/bysj2021/music
特色
推荐算法、注释丰富、纯经典MVC架构
功能
1、用户登录
(1) 用户基本信息展示、修改
(2) 用户收藏列表
(3) 用户听歌记录
2、网站主要实现功能
(1) 热门歌曲推荐
(2) 用户喜欢歌曲推荐
(3) 歌曲排行推荐
① 人气排行（根据听曲人数总量确定）
② 下载排行（根据歌曲下载次数确定）
③ 收藏排行（根据歌曲被收藏的次数确定）
(4) 歌曲搜索
(5) 歌曲评论及展示
(6) 歌曲区分类展示（为歌曲定义标签并分标签展示）
(7) 用户给歌曲打标签（标签是系统推荐的标签，用户只能在其中选择（此标签在整个系统中不起作用，只对于此用户起作用））
3、管理员功能
(1) 管理员页面与普通用户页面展示不同
(2) 上传并管理所有歌曲
① 上传歌曲
② 为歌曲定义标签
③ 删除歌曲
④ 修改歌曲基本信息
(3) 管理用户信息
(4) 管理评论信息
运行截图
个性化音乐推荐系统
个性化音乐推荐系统
个性化音乐推荐系统
个性化音乐推荐系统
个性化音乐推荐系统
个性化音乐推荐系统
个性化音乐推荐系统
个性化音乐推荐系统
个性化音乐推荐系统
个性化音乐推荐系统
核心推荐算法代码实现
package com.controller;
import java.io.IOException;
import java.io.PrintWriter;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.Map;
import javax.servlet.ServletException;
import javax.servlet.http.HttpServlet;
import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;
import net.sf.json.JSONObject;
import com.entity.SongList;
import com.entity.SongListWithSong;
import com.service.SongListServiceImpl;
import com.service.SongListServiceInter;
import com.service.SongListWithSongServiceImpl;
import com.service.SongListWithSongServiceInter;
/**
* 标签推荐
* @author 29207
*
*/
public class TagsRecommendServlet extends HttpServlet {
@Override
protected void doPost(HttpServletRequest request, HttpServletResponse response)
throws ServletException, IOException {
doGet(request, response);
}
@Override
protected void doGet(HttpServletRequest request, HttpServletResponse response)
throws ServletException, IOException {
Map<String, Integer> songListTagsNameMap = new HashMap<String, Integer>();//存储歌单标签名字和出现次数
java.util.List<Map.Entry<String, Integer>> songListTagsNameListClassement = new ArrayList<Map.Entry<String,Integer>>();//存储排序后歌单标签名字和出现次数
PrintWriter out = response.getWriter();
//获取歌单编号
String songListIdString = request.getParameter("songListId");
int songListId = Integer.parseInt(songListIdString);//歌单编号
//声明查询歌单的服务
SongListServiceInter songListService = new SongListServiceImpl();
//用于存放所有歌曲存在的所有歌单
ArrayList<SongList> allSongLists = new ArrayList<SongList>();
//查询该歌单中存在的歌曲
//声明songListWithSong(歌曲歌单表服务对象)
SongListWithSongServiceInter songListWithSongService = new SongListWithSongServiceImpl();
//调用方法
ArrayList<SongListWithSong> songListWithSongs = songListWithSongService.selectSongListWithSongOfSongLIstId(songListId);
//遍历，获取其中的歌曲编号
for (SongListWithSong songListWithSong : songListWithSongs) {
int songId = songListWithSong.getSongId();//获取每一个歌曲编号
//根据歌曲编号，查询该歌曲存在在哪些歌单中
ArrayList<SongListWithSong> songFromSongLists = songListWithSongService.selectSongListIdFromSongListWithSongOfSongId(songId);
//遍历，取出每个歌单的歌单编号，根据歌单编号查找歌单
for (SongListWithSong songListWithSong2 : songFromSongLists) {
int oneSongFromsongListId = songListWithSong2.getSongListId();
//根据歌单编号查询歌单信息
SongList oneSongList = songListService.selectSongListOfSongListId(oneSongFromsongListId);
//把该歌单存入allSongLists
allSongLists.add(oneSongList);
}
}
System.out.println("==========我是标签推荐服务=========");
//一个歌单中所有歌曲涉及到的所有歌单为allSongLists
int allSongListsLen = allSongLists.size();
UserSongListRecommendServlet userSongListRecommendServlet = new UserSongListRecommendServlet();
songListTagsNameMap = userSongListRecommendServlet.getSongListTagsNameMap(allSongListsLen, allSongLists, songListTagsNameMap);
songListTagsNameListClassement = userSongListRecommendServlet.songListTagsNameComm(songListTagsNameMap);//标签排序后
int songListTagsNameListClassementLen = songListTagsNameListClassement.size();
JSONObject tagsRecommJsonObject = new JSONObject();
System.out.println("排序后长度：" + songListTagsNameListClassementLen);
if (songListTagsNameListClassementLen == 0) {
out.print("null");
}else {
if (songListTagsNameListClassementLen <= 5) {
for (int i = 0; i < songListTagsNameListClassementLen; i++) {
String tagsRecomm = songListTagsNameListClassement.get(i).getKey();
tagsRecommJsonObject.put(i, tagsRecomm);
}
}else {
for (int i = 0; i < 5; i++) {
String tagsRecomm = songListTagsNameListClassement.get(i).getKey();
tagsRecommJsonObject.put(i, tagsRecomm);
}
}
System.out.println("推荐标签JSON===" + tagsRecommJsonObject);
out.print(tagsRecommJsonObject);
}
}
}
