| 所属课程 | 数据融合与采集技术 |
|---|---|
| 组名 | 超级无迪爬虫高手元始天尊暴龙战士 |
| 项目介绍 | Recomind荐宝是一款创新型的购物推荐网站，整合了多源异构数据与先进的大语言模型技术。无论用户是在寻找时尚服饰、电子产品、家居用品还是其他各类商品，只需提供心仪物品的文字描述或图片，荐宝就能为其精准推荐。网站具备快速精准搜索和多平台信息处理能力。 |
| 团队成员学号 | 舒锦城：042201520 王恒杰：102202104 王梓铭：102202105 杨邑豪：102202117 邱予：102202121 承宇豪：102202134 王梓联：102102154 郑奇键：102202133 |
| 项目目标 | 利用各平台的信息反馈，通过大模型的整理与提炼，为消费者提供相关物品的网址，满足信息过载下的购物需求。 |
| 项目源码 | https://gitee.com/wangzm7511/sjcj--recomind |
项目源码
https://gitee.com/wangzm7511/sjcj--recomind
项目总体概述
一、项目介绍
Recomind 荐宝通过智能爬虫技术，广泛收集小红书、贴吧等热门社交平台上用户们的评论和推荐信息。这些丰富的数据经过 AI 系统的深度分析和综合总结，最终筛选出最受欢迎的商品呈现在你眼前。这意味着，在这里你可以轻松获取大众认可的优质好物，节省购物时间，避免选择困难，获得更满意的购物体验。
二、项目目标
本项目旨在打造一个智能物品推荐系统，用户输入物品名称或上传其图片后，系统能快速调用 AI 接口，精准推荐包含百度贴吧、小红书以及该物品官方网站等相关信息源，提升用户获取物品信息的效率和精准度，优化信息检索体验，满足用户购物决策、产品研究等多方面需求。
三、技术介绍
前端技术
- HTML：构建网页基本结构，负责呈现页面的文本、图片、链接等元素，保障信息的稳定展示，是前端可视化基础。
- JavaScript：赋予前端动态交互能力，响应各类用户操作，实现页面元素动态更新、数据验证处理以及与后端的异步通信，处理用户交互逻辑。
- Vue.js：基于响应式编程模型和组件化开发，双向数据绑定自动更新页面，组件化便于代码维护和复用，用于构建复杂前端交互界面，如搜索框、图片上传及结果展示区域等。
后端技术
- Python：以简洁语法和丰富库生态处理复杂业务逻辑，包括接收解析前端数据、与 AI 模型交互、数据库操作等，借助第三方库加速开发进程，提高代码可读性与可维护性。
- Django：高级 Python Web 框架，内置强大的路由、数据库抽象层、模板引擎等功能，遵循“DRY”原则，负责处理前端 HTTP 请求，协调各组件，保障后端服务稳定安全运行，防止常见网络攻击。
人工智能技术
- 语言模型：利用先进预训练语言模型kimi AI，理解用户输入物品名称语义，筛选出相关网站信息，提升推荐准确性和相关性。
- EfficientNet B0：用于图像识别，在保证准确率的同时平衡计算效率与模型复杂度，快速识别上传图片中的物品类别，并转化为文本信息辅助推荐，确保推荐流程的及时性与流畅性。
四、使用流程
打开软件，输入文字或者图片
点击开始分析，稍等片刻
即可看到软件给出的推荐商品的网站，同时也可以看到关键词
五、个人部分
在本次多源异构数据采集与融合应用综合实践中，我主要负责方案设计的参与和优化，提出了多源数据整合的可行性建议，并协调团队确定技术实现路径。同时，我承担了项目成果的整合工作，确保各模块的有效对接与功能测试。最后，我负责汇报展示部分，包括制作演示文稿和现场讲解，全面展示项目的技术亮点与应用价值。
六、心得体会
通过参与本次多源异构数据采集与融合应用综合实践，我深刻体会到团队协作和技术融合在解决复杂问题中的重要性。从方案设计到成果整合，再到最终的汇报展示，每个环节都对我们的沟通能力和技术积累提出了很高的要求。在项目实施过程中，我不仅加深了对爬虫技术、数据处理以及人工智能推荐算法的理解，还学会了如何协调团队成员的工作，使各模块高效衔接。尤其在成果展示环节，我意识到清晰的表达与直观的呈现同样是技术项目成功的关键之一。这次实践让我收获了宝贵的经验，也激励我在未来的学习与工作中继续提升自己，迎接更多挑战。
posted on
