前言介绍

研究背景
在知识经济时代与创新驱动发展战略的背景下，创新能力已成为衡量国家核心竞争力和大学生综合素质的关键指标。高等教育作为培养创新人才的主阵地，肩负着激发学生创新潜能、提升实践能力的重要使命。然而，当前许多高校在创新能力培养过程中仍面临诸多挑战：创新活动过程难以量化、学生探索路径不清晰、培养资源分散且缺乏个性化引导、以及成果评估多依赖于主观经验等。这些问题导致培养模式在一定程度上存在“粗放化”倾向，难以对学生的创新成长进行精准化、系统化的支持与评估。 与此同时，大数据、人工智能与数据可视化技术的迅猛发展，为教育模式的变革提供了强大的技术支撑。通过技术手段对学生的学习行为、项目参与度、成果产出等多元数据进行采集、分析与呈现，能够将抽象的“创新能力”转化为具象、可感知的视觉信息，从而为教学管理与学生自我认知提供科学依据。 因此，本项目旨在融合Spring Boot、Vue.js等现代Web开发技术，结合协同过滤算法与ECharts数据可视化，构建一个集项目展示、资源智能推荐、成长轨迹可视化于一体的创新能力培养平台。该平台的构建是响应教育信息化与精细化管理的必然要求，也是探索数据驱动下创新人才培养新范式的一次积极尝试。
研究意义
本平台的研发具有理论与实践两个层面的重要意义。 在理论意义方面，首先，本研究探索了多技术融合在创新教育领域的应用模型。通过将协同过滤推荐算法与ECharts数据可视化技术深度整合，构建了“资源智能匹配-过程动态追踪-成果直观呈现”的培养支持闭环，为破解创新培养过程中的“信息过载”与“过程黑箱”问题提供了新的解决方案与理论参考。其次，它丰富了数据驱动教育（Data-Driven Education）的理论实践。平台通过对创新活动全周期数据的采集与可视化分析，将原本模糊的创新培养过程变得可度量、可分析，为建立科学的学生创新能力评估指标体系奠定了数据基础。 在实践与应用意义方面，对于学生而言，平台提供了个性化的创新资源导航。推荐系统能够根据其兴趣与行为智能推送相关的项目与资料，变被动接受为主动探索，有效激发了创新兴趣与动力。同时，数据可视化功能将个人成长轨迹、能力维度以图表形式清晰展现，帮助学生精准认知自身优势与短板，实现自我导向的精准学习与规划。对于教育管理者与教师而言，平台构建了一个集中化的创新项目管理与成果展示中心，极大地提升了管理效率。通过对平台内项目活跃度、资源使用情况、学生参与趋势等数据进行多维度可视化分析，管理者能够洞察培养体系的成效与不足，从而优化资源配置，调整培养策略，实现从经验决策到数据支撑的科学决策转变，全面提升高校创新人才培养的质量与效率。

01开发环境

1.1 Java技术1.2 Springboot框架1.3 MySQL数据库1.4 B/S 结构1.5 Vue.js 技术1.6 协同过滤算法1.7 ECharts可视化图表

02系统功能模块亮点

（协同过滤算法推荐、Echarts可视化图表）

具体运用基于用户的协同过滤方法，借助解析用户收藏行为数据，辨别出和目标用户有着相似兴趣偏好的用户群体，再依照这些相似用户的浏览历史记录为目标用户生成个性化的推荐列表。 协同过滤算法的核心机制是依靠量化用户之间的相似性程度达成个性化推荐，在这个过程中，余弦相似度作为经典的相似性度量办法，在该领域得到了广泛运用。余弦相似度计算公式：

03功能展示

代码展示

#交流学习（+VX：18484646674，+QQ：2474345497）
#协同过滤算法代码
#查找相似用户
def cosine_similarity(a, b):
    numerator = sum([a[key] * b[key] for key in a if key in b])
    denominator = math.sqrt(sum([a[key]**2 for key in a])) * math.sqrt(sum([b[key]**2 for key in b]))
    return numerator / denominator

#收藏协同算法
def evaluationdata_autoSort2(request):
    if request.method in ["POST", "GET"]:
        req_dict = request.session.get("req_dict")
        cursor = connection.cursor()
        sorted_recommended_goods=[]
        user_ratings={}
        token = request.META.get('HTTP_TOKEN')
        decode_str = eval(base64.b64decode(token).decode("utf8"))
        user_id = decode_str['params']["id"]

        try:
            cursor.execute("select * from storeup where type = 1 and tablename = 'evaluationdata' order by addtime desc")
            desc = cursor.description
            data_dict = [dict(zip([col[0] for col in desc], row)) for row in cursor.fetchall()]
            #用户-订单矩阵
            for item in data_dict:
                if user_ratings.__contains__(item["userid"]):
                    ratings_dict = user_ratings[item["userid"]]
                    if ratings_dict.__contains__(item["refid"]):
                        ratings_dict[str(item["refid"])]+=1
                    else:
                        ratings_dict[str(item["refid"])] =1
                else:
                    user_ratings[item["userid"]] = {
                        str(item["refid"]):1
                    }