摘要：随着移动互联网的飞速发展以及餐饮业逐步信息化，互联网上门店信息呈爆炸式增长。然而，门店信息是无限的，用户的注意力是稀缺而有限的。面对网上的海量信息，用户时常无从选择。在研究和解决电商领域这类问题的过程中，相关学者提出了多种解决方案，其中搜索引擎和个性化推荐系统是解决这类问题的有效武器。而在第三方消费点评领域，相关的研究和应用相对较少。

本文基于Elasticsearch搜索引擎和Spark机器学习库，尝试将搜索和个性推荐系统与第三方点评平台相结合，设计了一个门店搜索和推荐系统。该系统分为用户端和管理端，用户端由H5页面组成，包括门店推荐、门店搜索等功能，管理端包括门店信息管理、用户信息管理和门店类型信息管理等功能。该系统为用户提供便捷地获取感兴趣门店信息资源的途径，同时，也为管理员提供了门店和用户信息管理平台。

关键词：Elasticsearch；第三方点评平台；个性化推荐系统；Spark机器学习

目录

摘要

ABSTRACT

第一章  绪论-1

1.1 研究背景-1

1.2 研究现状-1

1.3 主要研究内容-2

1.4 论文结构-3

1.4.1 需求分析-3

1.4.2 系统设计-3

1.4.3 系统开发-4

1.4.4 系统测试-4

第二章 技术简介-5

2.1 管理端开发技术-5

2.1.1 SpringBoot介绍-5

2.1.2 MyBatis介绍-5

2.2 Elasticsearch介绍-5

2.3 Spark MLlib介绍-6

2.3.1 ALS召回算法介绍-6

2.3.2 LR排序算法介绍-7

2.4 本章小结-8

第三章 需求分析与可行性研究-9

3.1系统总体需求-9

3.2 功能性需求分析-9

3.2.1依据输入内容搜索-10

3.2.2个性推荐-10

3.2.3多条件筛选搜索-10

3.2.4信息管理-10

3.3 非功能性需求分析-11

3.3.1 系统可维护性-11

3.3.2 系统使用兼容性-11

3.3.3 系统的可靠性-11

3.4 可行性分析-11

3.4.1 技术可行性-11

3.4.2 经济可行性-12

3.4.3 法律可行性-12

第四章 系统设计-13

4.1 功能模块设计-13

4.2 系统架构设计-13

4.3 核心功能设计-15

4.3.1 准实时索引构建原理-15

4.3.2 搜索功能操作流程-15

4.3.3 推荐模块架构-16

4.4 数据库设计-17

4.4.1 E-R图设计-17

4.4.2 实体设计-17

4.4.3 数据库表设计-18

4.5 本章小结-20

第五章 系统实现-21

5.1 系统开发与运行环境-21

5.1.1 硬件平台-21

5.1.2 软件平台-21

5.2 主要功能模块实现-21

5.2.1 管理端模块-21

5.2.2 搜索模块-25

5.2.3 推荐模块-31

5.3 本章小结-35

第六章 系统测试-36

6.1 测试环境-36

6.2 系统测试过程-36

6.2.1 兼容性测试-36

6.2.2 功能性测试-36

6.3 系统运行情况-37

第七章 结论与展望-38

7.1 本文主要成果-38

7.2 开发过程中遇到的问题及解决-38

7.3 未来工作展望-38

参考文献-40

致  谢-42