大数据毕业设计spark+hive+nlp慕课在线教育课程数据分析可视化大屏 知识图谱课程推荐系统 课程爬虫 文本分类 LSTM情感分析 机器学习 深度学习 人工智能 计算机毕业设计

大体模块就是：课程浏览和搜索、课程购买和观看、课程评价和讨论、学习进度和笔记、教师管理和授课、作业布置和批改、学生证书和成绩、在线考试和答题、在线讨论和交流、学习社区和分享、支付和退款管理、数据统计和分析

具体业务流程：

1.学生注册登录后，搜索浏览课程，课程视频可以试看，进行购买后可以观看完整视频；课程下方可以进行评价，可以追评；针对不同课程有学习进度和学习笔记；智能推荐，根据学生的兴趣、学习历史和行为模式，自动推荐适合他们的课程和学习资源

最后这个智能推荐是个人创新功能，可以联系我改别的创新功能，然后其他的功能块是导师要求的

2.教师端注册登录，发布课程，可以布置作业，学生做完作业后教师来批改，自动生成学生的作业成绩，证书我也不知道啥意思，看着做吧；有个在线考试，教师发布试题后学生可以进行答题，题目的话选择题就行，好统计成绩，考试有个倒计时；学生和老师可以进行在线讨论，发消息交流

3.管理员端就是后台管理上面那些东西，看着做吧

4.做个社区板块，里面能发布文章帖子之类的，学生和老师都可以去发的文章下面评论，也可以回复评论

5.支付方面就是支付宝微信沙箱，可以进行退款，退款需要申请，管理员通过后退款

6.数据统计分析方面，做个网站里的用户数量统计，网站浏览量什么的，最好来点图，线形图之类，别的看着做

核心算法代码分享如下：

# -*- codeing = utf-8 -*-
# 创建图谱专用的json文件

import pandas as pd
import json
from db import db_util

d = db_util()
db, cursor = d.get_conn()


def build():
    s_dict = {}
    t_dict = {}
    ret = []

    ind1 = 10000
    ind2 = 20000
    ind3 = 30000
    rind = 900000

    sql = 'select  *  from  tb_mooc'
    df = pd.read_sql(sql, con=db)
    for index, row in df.iterrows():
        print(row['title'])
        school = row['school']
        teacher = row['teacher']
        print(row['school'])
        print(row['teacher'])

        if school not in s_dict:
            ind2 = ind2 + 1
            s_dict[school] = ind2

        if teacher not in t_dict:
            ind3 = ind3 + 1
            t_dict[teacher] = ind3

        properties = {"name": row['title'], 'brief': row['brief'], 'status': row['status'], 'price':row['price']}
        start = {'identity': index, 'labels':['课程'], 'properties':properties}
        end = {'identity': ind2, 'labels':['高校'], 'properties':{"name": school}}
        relationship = {"identity": rind, "start": index,"end": ind2,
                        "type": "type", "properties": {"name": "学校"}}
        rind = rind + 1
        segments = []
        segments.append(dict(start=start, relationship=relationship, end=end))

        end = {'identity': ind3, 'labels': ['老师'], 'properties': {"name": teacher}}
        relationship = {"identity": rind, "start": index, "end": ind3,
                        "type": "type", "properties": {"name": "老师"}}
        rind = rind + 1
        segments.append(dict(start=start, relationship=relationship, end=end))

        p = dict(segments=segments, length=1.0)
        ret.append(dict(p=p, score=2))

    json_str = json.dumps(ret, ensure_ascii=False)
    with open('test.json', 'w', encoding='utf8') as f2:
        # ensure_ascii=False才能输入中文，否则是Unicode字符
        # indent=2 JSON数据的缩进，美观
        json.dump(ret, f2, ensure_ascii=False, indent=2)
    print(json_str)
    print("end..")

if __name__ == '__main__':
    build()