SSM电商平台用户画像实战：从数据规整到雷达图展示

简介这是一套基于SSM框架实现的电商平台用户画像系统完整项目资料面向Java学习者、毕业设计者及电商开发人员解决从原始数据到精准推荐的全链路问题。项目从浏览行为、购买记录、搜索关键词等多维数据入手通过数据挖掘与机器学习技术覆盖用户画像建模、个性化推荐、营销决策支持、用户行为预测等核心模块并配套论文和答辩PPT便于理解研究思路与工程实现。压缩包共825个文件约21.72MB以java后台源码、vue前端页面、svg图标、js逻辑、css样式和sql数据库脚本为主另有doc论文、mp4演示视频、启动与构建脚本等目录结构清晰导入IDE即可运行调试。目前已有117人学习下载。整包资料既可支撑毕业设计或课程设计也可作为电商推荐系统二次开发的基础从数据库初始化到前端交互均有完整覆盖。1. 这个项目到底在做什么一次说清“SSM用户画像”的组合价值很多人一听“电商平台用户画像”下意识就想到 Spark、Flink 那套大数据全家桶。实际上拿到“Java项目基于SSM实现的电商平台的用户画像”这种题目的同学要的是一个能在有限时间内跑通、论文有得写、答辩讲得清的方案。SSMSpring SpringMVC MyBatis虽然听起来是上一代组合但它把“谁管对象、谁管接口、谁管 SQL”分得很明白配合定时任务、MySQL 宽表和 Redis 缓存完全可以形成用户画像闭环用户产生行为程序算标签页面展示画像。这篇就按这条路从一个空项目讲到能展示、能答辩的雷达图。2. 先把 SSM 电商骨架搭起来Spring、SpringMVC、MyBatis 的最小可用配置2.1 为什么这题还选 SSM先盘清技术选型账当前 Java 面试里 Spring Boot 几乎成了默认话题但课程设计和毕业设计里“基于 SSM 实现”依然是高频命题。原因并不复杂教学大纲还停留在 XML 配置时代不少导师评审时也习惯按 SSM 的知识点提问——Spring 怎么管理 Bean、SpringMVC 的 DispatcherServlet 流程、MyBatis 的 Mapper 代理机制。用 Spring Boot 虽然快但很多东西被自动配置“黑匣子化”了答辩现场反而容易被问倒。SSM 这套组合里Spring 负责对象创建和事务管理SpringMVC 负责 HTTP 请求分发MyBatis 负责 SQL 与 Java 对象的映射。三个框架各管一段出了问题能很快定位是配置错了还是 SQL 错了。对用户画像这种偏业务计算的项目这种“规规矩矩写配置”的方式反而比全家桶更可控。项目结构上我一般会按 controller、service、mapper、entity、task、common 分包这种结构在论文里画系统架构图也直观。一个典型的目录如下src/main/java/com/example/mall ├── controller # 登录、商品、订单、画像查询 │ └── UserProfileController.java ├── service # 业务逻辑 标签计算 │ ├── UserProfileService.java │ └── ProfileTaskService.java ├── mapper # MyBatis 接口 │ ├── UserMapper.java │ ├── OrderMapper.java │ └── BehaviorMapper.java ├── entity # 数据库实体类 │ ├── User.java │ └── UserProfile.java ├── task # 定时任务 │ └── ProfileCalculateTask.java └── common # 结果封装、常量定义 └── TagConstants.java这样分包的好处是定时计算逻辑单独放一个 task 包答辩时讲“模块化设计”有着落controller 只保留接口入口不掺业务计算。2.2 最小可跑配置pom、web.xml 与 Spring 容器加载顺序建项目第一步是 pom.xml。SSM 的依赖并不复杂但有几个版本坑要注意Spring 用 5.xJDK 用 1.8MyBatis 用 3.5.xmysql-connector-java 用 8.0.x 时驱动类名要写 com.mysql.cj.jdbc.Driver。下面是一份能跑起来的最小依赖。properties spring.version5.2.20.RELEASE/spring.version mybatis.version3.5.6/mybatis.version /properties dependencies dependency groupIdorg.springframework/groupId artifactIdspring-context/artifactId version${spring.version}/version /dependency dependency groupIdorg.springframework/groupId artifactIdspring-webmvc/artifactId version${spring.version}/version /dependency dependency groupIdorg.springframework/groupId artifactIdspring-jdbc/artifactId version${spring.version}/version /dependency dependency groupIdorg.mybatis/groupId artifactIdmybatis/artifactId version${mybatis.version}/version /dependency dependency groupIdorg.mybatis/groupId artifactIdmybatis-spring/artifactId version2.0.6/version /dependency dependency groupIdmysql/groupId artifactIdmysql-connector-java/artifactId version8.0.28/version /dependency dependency groupIdjavax.servlet/groupId artifactIdjavax.servlet-api/artifactId version4.0.1/version scopeprovided/scope /dependency /dependenciesmybatis-spring 负责把 MyBatis 的 SqlSessionFactory 交给 Spring 管理这一步容易漏。漏掉之后的表现是运行时找不到 SqlSessionFactory 或 Mapper 无法注入。然后是 web.xml。SSM 项目有两个容器root 容器负责 service、mapper由 ContextLoaderListener 加载子容器负责 controller由 DispatcherServlet 加载。理解这个顺序是后面排查一切“注入为空”问题的前提。web-app xmlnshttp://xmlns.jcp.org/xml/ns/javaee version4.0 context-param param-namecontextConfigLocation/param-name param-valueclasspath:spring/applicationContext.xml/param-value /context-param listener listener-classorg.springframework.web.context.ContextLoaderListener/listener-class /listener servlet servlet-namedispatcher/servlet-name servlet-classorg.springframework.web.servlet.DispatcherServlet/servlet-class init-param param-namecontextConfigLocation/param-name param-valueclasspath:spring/spring-mvc.xml/param-value /init-param load-on-startup1/load-on-startup /servlet servlet-mapping servlet-namedispatcher/servlet-name url-pattern//url-pattern /servlet-mapping filter filter-nameencoding/filter-name filter-classorg.springframework.web.filter.CharacterEncodingFilter/filter-class init-param param-nameencoding/param-name param-valueUTF-8/param-value /init-param init-param param-nameforceEncoding/param-name param-valuetrue/param-value /init-param /filter filter-mapping filter-nameencoding/filter-name url-pattern/*/url-pattern /filter-mapping /web-appCharacterEncodingFilter 提供的 forceEncoding 参数会让响应和请求都走 UTF-8这个编码过滤器必须在所有业务过滤器最前面。很多中文乱码问题不是数据库的事是过滤器和 Tomcat 连接器两边没对齐。spring-mvc.xml 里需要开启注解驱动、配置视图解析器并扫描 controller 包context:component-scan base-packagecom.example.mall.controller/ mvc:annotation-driven/ bean classorg.springframework.web.servlet.view.InternalResourceViewResolver property nameprefix value/WEB-INF/views// property namesuffix value.jsp/ /beanapplicationContext.xml 里配置数据源和 MyBatis 的 SqlSessionFactorycontext:component-scan base-packagecom.example.mall.service/ context:component-scan base-packagecom.example.mall.task/ context:component-scan base-packagecom.example.mall.mapper/ bean iddataSource classorg.springframework.jdbc.datasource.DriverManagerDataSource property namedriverClassName valuecom.mysql.cj.jdbc.Driver/ property nameurl valuejdbc:mysql://localhost:3306/mall_profile?useUnicodetrueamp;characterEncodingutf8/ property nameusername valueroot/ property namepassword valueroot/ /bean bean idsqlSessionFactory classorg.mybatis.spring.SqlSessionFactoryBean property namedataSource refdataSource/ property namemapperLocations valueclasspath:mapper/*.xml/ property nametypeAliasesPackage valuecom.example.mall.entity/ /bean注意 url 里用了amp;而不是因为 XML 规范下需要转义。这个错误容易被忽略但会导致属性解析失败。另外各层扫描范围要分开不要把 service 和 controller 写进同一个 component-scan否则事务代理容易出问题。2.3 电商三张核心表建模与 MyBatis 映射用户画像的数据源头是用户、订单、行为记录。表结构不需要设计得很复杂但要覆盖画像计算的原始输入。下面是三张核心表的建表 SQLCREATE TABLE t_user ( id INT PRIMARY KEY AUTO_INCREMENT, username VARCHAR(50) NOT NULL, gender TINYINT DEFAULT 0 COMMENT 0未知 1男 2女, age INT DEFAULT 0, create_time DATETIME DEFAULT CURRENT_TIMESTAMP ); CREATE TABLE t_order ( id INT PRIMARY KEY AUTO_INCREMENT, user_id INT NOT NULL, amount DECIMAL(10,2) NOT NULL, category_id INT NOT NULL COMMENT 商品所属类目, order_status TINYINT DEFAULT 1 COMMENT 1已支付 0未支付, create_time DATETIME DEFAULT CURRENT_TIMESTAMP ); CREATE TABLE t_behavior ( id INT PRIMARY KEY AUTO_INCREMENT, user_id INT NOT NULL, behavior_type VARCHAR(20) NOT NULL COMMENT browse/cart/search, category_id INT DEFAULT 0 COMMENT 0表示没有类目, create_time DATETIME DEFAULT CURRENT_TIMESTAMP );索引很关键。画像计算定期要做全量扫描t_order(user_id)和t_behavior(user_id, behavior_type)必须有索引否则数据到两万条以上时计算任务会明显变慢。t_user 表不需要一开始就加画像字段画像是“算出来再存”属于 t_user_profile 宽表的事。UserMapper.java 的接口和 XML 映射是典型的 MyBatis 写法public interface UserMapper { ListUser findAll(); User findById(Integer id); }对应的 UserMapper.xmlmapper namespacecom.example.mall.mapper.UserMapper select idfindAll resultTypeUser SELECT id, username, gender, age, create_time FROM t_user /select select idfindById parameterTypeint resultTypeUser SELECT id, username, gender, age, create_time FROM t_user WHERE id #{id} /select /mapperMyBatis 里#{}是预编译占位符${}是字符串拼接。排序字段、表名这种动态拼接偶尔用${}但查询值一律用#{}这是防止 SQL 注入的基础。项目中所有用户输入都走#{}答辩被问到安全性时也有话讲。3. 用户画像的数据从哪来行为日志、订单清洗与标签口径3.1 画像数据的多个来源注册、订单、浏览、搜索用户画像不是凭空生成的它的质量取决于底层数据是否足够完整。在 SSM 单体电商系统里数据来源主要有四类注册信息性别、年龄、订单记录消费金额、偏好类目、浏览行为看了什么商品、搜索关键词搜了什么。前两类在数据库里有现成表后两类需要通过埋点收集。埋点的常见做法是前端在商品详情页和搜索结果页调用一个统一的接口比如/api/behavior/report把行为类型、类目 ID 传给后端。这个接口不需要太复杂收到请求后直接插入 t_behavior 表就行。需要注意的是埋点接口会接收到频繁的请求不要在里面做关联查询或写复杂逻辑否则会拖垮页面。我一般会在 service 层做一层薄的校验user_id 必须存在、behavior_type 必须在白名单里然后直接入库。如果答辩被问“怎么防止行为数据造假”可以讲两层前端埋点带时间戳后端校验时间戳与服务器时间差刷量数据在后端定期剔除同一个 user 一分钟内超过 30 次的行为记录。订单数据是画像的核心因为消费行为最能区分用户价值。在单体项目里不需要接消息队列直接查 t_order 表就行。但要注意只有“已支付”的订单才计入画像计算未支付订单会让消费能力标签失真。3.2 用 SQL 把原始数据规整成画像明细表画像计算的第一步是形成一张“用户 统计口径”的明细表。不要直接在 Java 代码里逐条处理原始记录那样慢且难维护。先让 SQL 做粗加工把结果查出来放到一张中间表里。-- 生成用户消费统计中间表 CREATE TABLE t_user_order_stat AS SELECT user_id, COUNT(*) AS total_orders, SUM(amount) AS total_amount, AVG(amount) AS avg_amount, MAX(create_time) AS last_order_time FROM t_order WHERE order_status 1 GROUP BY user_id;这条 SQL 是画像宽表的数据基座。total_orders 表示购买频次total_amount 表示消费总金额avg_amount 表示客单价last_order_time 用于计算最近一次消费时间RFM 模型里三个维度分别需要这些字段。行为偏好类目也类似-- 计算每个用户购买力最强的类目 SELECT user_id, category_id, cnt FROM ( SELECT user_id, category_id, COUNT(*) AS cnt, RANK() OVER (PARTITION BY user_id ORDER BY COUNT(*) DESC) AS rk FROM t_order WHERE order_status 1 GROUP BY user_id, category_id ) t WHERE rk 1;MySQL 8.0 支持窗口函数如果教学环境是 5.7可以用“先分组计数再用子查询找最大值”的方式替代。窗口函数的好处是代码更贴近论文里写的“偏好排名”概念答辩时能讲出“Rank 窗口函数”这个关键词。3.3 标签口径怎么定RFM、消费层级与偏好类目标签口径是整个项目里最需要跟论文、答辩保持一致的地方。很多项目翻车不是代码问题而是论文里写的“高价值用户”和代码里判断“高价值用户”的条件对不上。我建议把所有标签门限值集中放到一个常量类里。public class TagConstants { // RFM 打分边界 public static final int R_DAYS_GOOD 30; // 30天内有购买 public static final int F_COUNT_GOOD 5; // 累计购买5单以上 public static final int M_AMOUNT_GOOD 500; // 累计消费500元以上 // 消费层级 public static final BigDecimal HIGH_AMOUNT new BigDecimal(2000); public static final BigDecimal MID_AMOUNT new BigDecimal(500); // 活跃度 public static final int ACTIVE_DAYS 7; // 7天内有行为算活跃 }RFM 模型是电商用户画像里最经典也最好解释的模型。R 表示近度距离最近一次消费的时间F 表示频度消费次数M 表示金额消费总额。每个维度可以分成高低两档组合出 8 类用户高价值、潜力、新客、流失预警等。单体系统做不了太复杂的权重模型把每维度按阈值切分已经是性价比最高的方案。偏好类目的判定可以用“该用户在某类目的消费次数占比超过 40%”作为标准也可以选排名第一的类目。前者在答辩时更站得住因为“偏好”本身是相对概念占比表达更直观。活跃度则看最近 7 天内有没有浏览或加购行为。这些口径确定后先写进论文的“系统设计”章节再写代码实现。顺序反了的话后面论文和代码对不上答辩时被追问“这个阈值哪来的”就只能支支吾吾。4. 画像计算与存储定时任务、宽表、Redis 与查询接口4.1 定时任务选型Spring Task 还是 Quartz画像计算不需要实时完成一般每天凌晨跑一次全量白天有少量实时计数。这个需求下 Spring Task 比 Quartz 更合适。Quartz 功能强大但配置多支持分布式调度可一个毕设项目根本用不上Spring Task 靠Scheduled注解就能用没有额外依赖。Component public class ProfileCalculateTask { Scheduled(cron 0 30 2 * * ?) public void calcAllUserProfile() { // 凌晨两点半执行全量画像计算 } }要启用这个注解需要在 applicationContext.xml 里加一行task:annotation-driven/cron 表达式“0 30 2 * * ?”表示每天凌晨 2 点 30 分执行。选择凌晨是因为这个时段电商系统几乎没有用户操作不影响在线业务。服务器时区一定要跟数据库时区保持一致否则定时任务“莫名其妙”早跑或晚跑几个小时。4.2 用 SQL Java 算标签批量打分而不是逐行 if-else全量画像计算最忌讳的做法是在 Java 里循环每个用户每条记录查一次订单表。10 万用户就是 10 万次查询数据库直接被打爆。正确姿势是先用 SQL 聚合出中间表再一次性加载到内存打分。Service public class UserProfileService { Autowired private OrderStatMapper orderStatMapper; public ListUserProfile buildAllProfiles() { ListUserOrderStat statList orderStatMapper.selectAllUserStat(); ListUserProfile profileList new ArrayList(); for (UserOrderStat stat : statList) { UserProfile profile new UserProfile(); profile.setUserId(stat.getUserId()); // R 维度最近消费距离今天的天数 long days Duration.between( stat.getLastOrderTime().toInstant(), LocalDateTime.now().toInstant() ).toDays(); profile.setRecencyScore(days TagConstants.R_DAYS_GOOD ? 1 : 0); // F 维度购买次数 profile.setFrequencyScore(stat.getTotalOrders() TagConstants.F_COUNT_GOOD ? 1 : 0); // M 维度消费总额 profile.setMonetaryScore(stat.getTotalAmount().compareTo(TagConstants.M_AMOUNT_GOOD) 0 ? 1 : 0); profileList.add(profile); } return profileList; } }这段代码里先调用selectAllUserStat()一次性把所有用户的统计结果查出来然后在 Java 里做维度打分。打分逻辑简单代码可读性高论文里的“系统实现”部分可以直接引用。这里用到了 Java 8 的Duration计算日期间隔比手动毫秒运算要稳妥。批量打分之后把画像结果写入宽表 t_user_profile。字段设计是user_id、recency_score、frequency_score、monetary_score、total_amount、preferred_category、active_days。这个表是查询接口的直接数据来源Redis 缓存也缓存它的内容。4.3 宽表、Redis 与画像查询接口宽表设计是用户画像落地的最简方案。它牺牲了一点范式但换来了查询效率。画像是“读多写少”的数据每天只更新一次但可能被反复查询宽表这种方向很合适。RestController RequestMapping(/api/profile) public class UserProfileController { Autowired private UserProfileService userProfileService; Autowired private RedisTemplateString, String redisTemplate; GetMapping(/{userId}) public UserProfile getProfile(PathVariable Integer userId) { String key profile: userId; String cached redisTemplate.opsForValue().get(key); if (cached ! null) { return JSON.parseObject(cached, UserProfile.class); } UserProfile profile userProfileService.getProfileByUserId(userId); // 缓存一天第二天定时任务更新后自然失效 redisTemplate.opsForValue().set(key, JSON.toJSONString(profile), 24, TimeUnit.HOURS); return profile; } }这里用了 Redis 做缓存key 的命名规则是profile:用户ID。缓存 24 小时跟全量任务的执行周期对齐。查询时先走 Redis未命中再查 MySQL并回填缓存。这样一来同一个用户频繁查询时不会每次都打到数据库。Redis 在项目里的作用需要控制好度。画像是低频更新的数据用它做缓存正好但如果你试图把全部业务数据塞进 Redis项目就变味了。答辩时被问“为什么用 Redis 而不用本地缓存”时可以说“多实例部署时本地缓存各自为政Redis 是统一缓存层”。4.4 实时片段当日浏览次数的 Redis 自增实现全量标签是 T1 的但“今天看了多少商品”这种实时指标用全量任务算就太慢了。这里可以用 Redis 的 INCR 命令做实时计数。用户每次浏览商品时后端对 keybrowse:userId:20231210执行自增第二天自然过期不影响全量任务。public void reportBrowse(Integer userId) { String key browse: userId : LocalDate.now().format(DateTimeFormatter.BASIC_ISO_DATE); redisTemplate.opsForValue().increment(key, 1); redisTemplate.expire(key, 2, TimeUnit.DAYS); }这个接口写入极快适合高频埋点场景。定时任务可以把这个实时计数也合并到画像里比如活跃度标签在计算时加上“当日浏览次数”。这样做的好处是论文里可以写“全量计算 实时增量”的混合架构这在答辩中是加分项。5. SSM 电商用户画像落地避坑五个高频翻车现场5.1 中文乱码接口返回正常入库变“??”现象页面提交的用户昵称是中文接口接收后用日志打印正常但插入数据库后变成一串问号。原因CharacterEncodingFilter 没配置MySQL 连接串也没指定 characterEncoding导致请求体按默认编码解析后写入了 Latin1 字段。解决第一确保 web.xml 里 CharacterEncodingFilter 的 forceEncoding 为 true第二JDBC 连接串加useUnicodetruecharacterEncodingutf8第三MySQL 表本身要确认字符集是 utf8mb4。三个位置有一个不对乱码就可能在客户端、服务器、数据库任意一跳出现。5.2 SQL 里的大于小于号被 MyBatis 吃掉现象XML 里写WHERE create_time #{startTime}启动时直接报 XML 解析错误提示元素内容必须由格式正确的字符数据组成。原因MyBatis 的 mapper XML 本身是 XML 文件和是标签语法字符会被解析器当成标签开始。解决用转义字符lt;替代或者把整段比较逻辑包进 CDATA 区select idfindRecentOrders resultTypeOrder ![CDATA[ SELECT * FROM t_order WHERE create_time #{startTime} AND create_time #{endTime} ]] /selectCDATA 区里的内容不会被 XML 解析器处理MyBatis 会原样接收其中的 SQL。这个细节代码量小但坑很多属于常见的“一眼看不出原因的报错”。5.3 定时任务跑挂T1 变成 T3现象画像数据停留在三天前每天凌晨定时任务没有产生新数据日志里也没看到报错。原因第一次排查发现 applicationContext.xml 里漏了task:annotation-driven/Scheduled根本没生效后来加上之后又发现任务执行到一半抛异常但异常被吞掉了。解决Scheduled方法内部必须加 try-catch把异常信息写到独立的日志文件。同时启动时打印一行“画像任务已注册”确认定时器确实被 Spring 容器加载。任务执行成功后在 t_task_log 表里写一条记录第二天查这张表就能确认任务是否跑过。5.4 画像全量更新把 MySQL 压垮现象数据量到 5 万用户时凌晨的全量画像计算把数据库 CPU 打满白天的正常查询跟着变慢。原因画像计算里有一段 Java 代码对每个用户又查了一次订单表形成了 N1 查询。5 万用户就是 5 万次 SQL。解决把“逐人查询”改成“一次聚合”。先用 GROUP BY 把统计结果查出来加载到内存再在内存里完成打分最后批量写入宽表。所有写操作也改成批量插入一次插入 500 条。启动任务前用 EXPLAIN 看一下聚合 SQL 是否走索引user_id字段必须建索引。5.5 答辩追问“高价值用户怎么定义的”答不上来现象论文里写了“高价值用户”但没有给出量化定义PPT 里放了画像示例有人在台上支支吾吾说不清判断依据。原因标签口径和代码实现是脱节的论文是论文代码是代码两边各说各话。这是 SSM 毕设最常见的软肋技术上代码能跑但逻辑上经不起追问。解决把 TagConstants 里的所有阈值当成“系统设计的一部分”写进论文明确写“本文定义高价值用户为 RFM 三维得分之和大于等于 2 分且累计消费金额超过 500 元的用户”。答辩时打开这个常量类一屏展示全部阈值比背概念更有说服力。这是用工程方法解决表达问题的好方式。6. 让画像“看得见”并撑起答辩管理页可视化与论文 PPT 技法6.1 把画像数据交给前端JSON 接口对齐 ECharts 雷达图画像数据算出来之后要给用户一个直观的展示页面ECharts 雷达图是最常见的做法。接口返回的 JSON 结构设计成{ userId: 1, recencyScore: 1, frequencyScore: 1, monetaryScore: 1, totalAmount: 3280.5, preferredCategory: 数码, activeDays: 15 }前端拿到这份 JSON 之后将三个维度映射到雷达图的三个坐标轴。下面是一段可以直接放进 JSP 页面的 ECharts 图表初始化脚本div idprofileChart stylewidth: 600px; height: 400px;/div script srchttps://cdn.jsdelivr.net/npm/echarts5/dist/echarts.min.js/script script fetch(/api/profile/ userId) .then(res res.json()) .then(data { const chart echarts.init(document.getElementById(profileChart)); chart.setOption({ radar: { indicator: [ { name: 近度, max: 1 }, { name: 频度, max: 1 }, { name: 额度, max: 1 } ] }, series: [{ type: radar, data: [{ value: [data.recencyScore, data.frequencyScore, data.monetaryScore], name: 用户画像 }] }] }); }); /script雷达图展示的关键是三个维度的值都缩放到同一个尺度 0 ~ 1ECharts 才会显示出一个有对比性的图形。如果某个维度是 0页面上的图会明显缺一个角正好直观反映该用户在这个维度上的短板。答辩时可以现场操作找一个新注册用户演示画像从“空角”到“满角”的变化过程。6.2 论文正文怎么组织、答辩 PPT 怎么排演示顺序论文的结构建议按“需求分析、总体设计、详细设计、系统实现、系统测试”展开。画像是系统的核心模块它的标签体系设计单独成章里面至少包含RFM 模型说明表、标签计算流程图、宽表字段定义表。各表之间要互相引用避免出现一张表定义和一段描述脱节。答辩 PPT 的演示顺序有一个关键技巧不要一上来就打开画像页面展示雷达图。先走一遍电商主流程——登录、浏览商品、下单再切到画像页面展示刚才那个用户的画像结果。这样评委能直观看到“行为产生数据、数据驱动画像”的完整链路比直接展示一个静态页面有说服力得多。同时要准备好回答“如果换个用户结果会怎样”这类追问避免现场出现效果不理想的情况。项目做完之后我养成了一个习惯所有阈值和口径先写进注释再写代码。有次答辩前修改参数代码和论文都改了却忘了改一处注释结果被评委抓着问了两分钟。那之后我再也不信“注释以后再说”这种话。用户画像的价值不在图有多好看而在每一个标签都有依据、拿得出定义。希望这份实战笔记能帮你把这个 SSM 项目做得更扎实。本文还有配套的精品资源点击获取