UML.md 21 KB
一、Schema范式设计
个性化推荐模块
表设计
1._User表 objectId: String (默认) createdAt: Date (默认) age: Number gender: String watchHistory: Array<Pointer> ratingHistory: Array<Pointer> 2.Film表 objectId: String (默认) createdAt: Date (默认) title: String genre: String contentFeatures: Array 3.FilmRating表 objectId: String (默认) createdAt: Date (默认) user: Pointer film: Pointer ratingValue: Number comment: String (可选) 4.FilmRecommendation objectId: String (默认) createdAt: Date (默认) user: Pointer recommendedFilms: Array<Pointer>
AI陪聊助手模块
表设计
1._User表 objectId: String (默认) createdAt: Date (默认) username: String chatHistory: Array<Pointer> 2.Film表 objectId: String (默认) createdAt: Date (默认) title: String genre: String contentFeatures: Array plotSummary: String 3.FilmRole表 objectId: String (默认) createdAt: Date (默认) film: Pointer name: String avater: String desc: String roleTraits: Array 4.FilmPartner表 objectId: String (默认) createdAt: Date (默认) name: String age: Number avater: String desc: String 5.FilmChat表 objectId: String (默认) createdAt: Date (默认) user: Pointer filmrole: Pointer filmpartner: Pointer dialogue: String timestamp: Date
社区模块
表设计
1._User表 objectId: String (默认) createdAt: Date (默认) username: String postHistory: Array<Pointer> commentHistory: Array<Pointer> likeHistory: Array<Pointer> 2.FilmPost表 objectId: String (默认) createdAt: Date (默认) user: Pointer content: String likesCount: Number commentsCount: Number status: String (例如 "pending", "approved", "rejected") 3.FilmComment表 objectId: String (默认) createdAt: Date (默认) post: Pointer user: Pointer content: String status: String (例如 "pending", "approved", "rejected") 4.FilmLike表 objectId: String (默认) createdAt: Date (默认) user: Pointer post: Pointer comment: Pointer (可选，若点赞的是评论)
类图
1. 个性化推荐模块
实体类：
User：表示用户的信息。
Recommendation：表示生成的推荐列表。
WatchHistory：表示用户的观看历史。
Rating：表示用户的评分记录。
控制类：
RecommendationEngine：处理推荐逻辑。
DataProcessor：进行数据预处理。
RecommendationModel：表示推荐模型。
边界类：
RecommendationView：表示推荐展示界面。
2. AI陪聊助手模块
实体类：
UserProfile：表示用户的个人资料。
Character：表示可选的角色。
Dialogue：表示对话内容。
控制类：
Chatbot：表示AI陪聊助手。
边界类：
DialogueView：表示对话界面。
3. 社区模块
实体类：
Post：表示用户发布的帖子。
Comment：表示用户对帖子的评论。
Topic：表示讨论话题。
控制类：
PostManager：管理帖子和评论的逻辑。
Moderator：负责审核内容。
边界类：
CommunityView：表示社区模块的界面。
@startuml
package "个性化推荐模块" {
class User {
+String userId // 用户ID
+String name // 用户姓名
+int age // 用户年龄
+String gender // 用户性别
+String avatar // 用户头像
+List watchHistory // 用户观看历史
+List ratings // 用户评分记录
}
class WatchHistory {
+String mediaId // 观看的影视剧ID
+Date watchDate // 观看日期
}
class Rating {
+String mediaId // 评分的影视剧ID
+int score // 用户评分
}
class Recommendation {
+List mediaList // 推荐的影视剧列表
}
class RecommendationEngine {
+List generateRecommendations(User user)
}
class DataProcessor {
+void preprocessData(List users)
}
class RecommendationModel {
+void trainModel(List trainingData) // 训练推荐模型
+List predict(User user) // 根据用户预测推荐列表
}
class RecommendationView {
+void displayRecommendations(List recommendations)
}
}
package "AI陪聊助手模块" {
class UserProfile {
+String userId // 用户ID
+String preferences // 用户偏好设置
+String avatar // 用户头像
}
class Character {
+String name // 角色名称
+String background // 角色背景信息
}
class Dialogue {
+String userInput // 用户输入
+String botResponse // AI的响应
}
class Chatbot {
+String startChat(UserProfile userProfile)
+String generateResponse(Dialogue dialogue)
}
class DialogueView {
+void displayDialogue(Dialogue dialogue)
}
}
package "社区模块" {
class Post {
+String content // 帖子内容
+User author // 帖子的作者
+List comments // 帖子的评论列表
+int likes // 帖子的点赞数
}
class Comment {
+String content // 评论内容
+User author // 评论的作者
+Post post // 评论关联的帖子
}
class Topic {
+String title // 话题标题
+List posts // 话题下的帖子列表
}
class PostManager {
+void createPost(Post post) // 创建新帖子
+void addComment(Post post, Comment comment)
}
class Moderator {
+void reviewContent(Post post) // 审核帖子内容
+void approveContent(Post post) // 审核通过
+void rejectContent(Post post) // 审核不通过
}
class CommunityView {
+void displayTopics(List topics)
+void displayPost(Post post)
}
}
User "1" -- "1..*" WatchHistory
User "1" -- "1..*" Rating
RecommendationEngine "1" -- "1" DataProcessor
RecommendationEngine "1" -- "1" RecommendationModel
RecommendationModel "1" -- "1..*" Recommendation
Chatbot "1" -- "1" UserProfile
Chatbot "1" -- "1..*" Character
Post "1" -- "1" User
Post "1" -- "0..*" Comment
Topic "1" -- "0..*" Post
PostManager "1" -- "1" User
Moderator "1" -- "0..*" Post
@enduml
个性化推荐模块
- 用户信息获取：收集用户的个人信息（如年龄、性别等）、观看历史、评分记录等。
- 数据预处理：对收集到的数据进行清洗、整理，提取有用的特征。
- 模型训练：使用预处理后的数据训练推荐模型，模型可以基于用户的历史行为、相似用户的行为或影视剧的内容特征等进行推荐。
- 推荐生成：根据训练好的模型，为用户生成个性化的影视剧推荐列表。
- 推荐展示：将推荐列表展示给用户，用户可以根据推荐观看影视剧。
时序图
业务逻辑描述
- 用户信息获取：系统收集用户的个人信息（如年龄、性别等）、观看历史、评分记录等。
- 数据预处理：系统对收集到的数据进行清洗和整理，提取有用的特征。
- 模型训练：使用预处理后的数据训练推荐模型，模型可以基于用户的历史行为、相似用户的行为或影视剧的内容特征等进行推荐。
- 推荐生成：根据训练好的模型，为用户生成个性化的影视剧推荐列表。
推荐展示：将推荐列表展示给用户，用户可以根据推荐观看影视剧。
@startuml actor User participant "推荐系统" as System User -> System : 提供个人信息 System -> System : 收集用户信息（年龄、性别等） System -> System : 收集观看历史和评分记录 System -> System : 数据预处理 System -> System : 清洗和整理数据 System -> System : 提取有用特征 System -> System : 模型训练 System -> System : 使用预处理数据训练推荐模型 System -> System : 推荐生成 System -> User : 生成个性化影视剧推荐列表 User -> System : 查看推荐列表 System -> User : 展示推荐列表 @enduml
状态图
状态逻辑描述
个性化推荐模块可以分为以下几个主要状态：
初始状态：系统未开始个性化推荐流程。 用户信息获取状态：系统收集用户的个人信息（如年龄、性别等）、观看历史、评分记录等。 数据预处理状态：系统对收集到的数据进行清洗和整理，提取有用的特征。 模型训练状态：使用预处理后的数据训练推荐模型，模型可以基于用户的历史行为、相似用户的行为或影视剧的内容特征等进行推荐。 推荐生成状态：根据训练好的模型，为用户生成个性化的影视剧推荐列表。 推荐展示状态：将推荐列表展示给用户，用户可以根据推荐观看影视剧。 结束状态：个性化推荐流程结束。状态转换逻辑:
从初始状态到用户信息获取状态：系统开始收集用户信息。 从用户信息获取状态到数据预处理状态：用户信息收集完成，进入数据预处理阶段。 从数据预处理状态到模型训练状态：数据预处理完成，进入模型训练阶段。 从模型训练状态到推荐生成状态：模型训练完成，进入推荐生成阶段。 从推荐生成状态到推荐展示状态：推荐生成完成，进入推荐展示阶段。 从推荐展示状态到结束状态：用户查看推荐后，流程结束。@startuml [*] --> 初始状态 初始状态 --> 用户信息获取状态 : 开始收集用户信息 用户信息获取状态 --> 数据预处理状态 : 用户信息收集完成 数据预处理状态 --> 模型训练状态 : 数据预处理完成 模型训练状态 --> 推荐生成状态 : 模型训练完成 推荐生成状态 --> 推荐展示状态 : 推荐生成完成 推荐展示状态 --> 结束状态 : 用户查看推荐后结束 @enduml
AI陪聊助手模块
- AI陪聊搭子根据影视剧的剧情与用户进行流畅、自然的对话交流，为用户提供个性化的影视剧解读
- 用户可以选择不同角色的智能体互动，AI塑造不同角色的智能体与用户聊天（此功能为可选功能）
类图
时序图
AI追剧搭子 业务逻辑描述
- 用户启动对话：用户通过应用程序启动AI陪聊助手，进入AI追剧搭子的陪聊模块。
- 选择影视剧：用户选择希望讨论的影视剧，AI追剧搭子加载相关信息。
- 对话初始化：AI追剧搭子根据所选影视剧的剧情背景，生成初始对话内容并发送给用户。
- 用户输入：用户输入自己的问题或评论，AI追剧搭子接收并解析用户的输入。
- 对话生成：AI追剧搭子根据用户的输入和影视剧剧情，生成适当的回复，并考虑剧情相关性。
- 回复发送：AI追剧搭子将生成的回复发送给用户，继续维持对话。
- 循环对话：用户和AI追剧搭子之间的对话可以持续进行，直到用户选择结束对话。
对话结束：用户选择结束对话，AI追剧搭子记录对话信息，并提供总结或推荐其他角色/影视剧。
@startuml actor User participant "AI追剧搭子" as AI User -> AI : 启动陪聊模块 AI -> User : 显示影视剧选择 User -> AI : 选择影视剧 AI -> AI : 加载影视剧信息 AI -> User : 生成初始对话内容 User -> AI : 输入问题/评论 AI -> AI : 解析用户输入 AI -> AI : 生成AI追剧搭子回复 AI -> User : 发送AI追剧搭子回复 User -> AI : 输入问题/评论 AI -> AI : 解析用户输入 AI -> AI : 生成AI追剧搭子回复 AI -> User : 发送AI追剧搭子回复 User -> AI : 结束对话 AI -> AI : 记录对话信息 AI -> User : 提供总结/推荐 @enduml
角色互动 业务逻辑描述
- 用户启动对话：用户通过应用程序启动AI陪聊助手，进入陪聊模块。
- 角色选择：用户选择希望与之互动的角色，AI助手根据选择加载该角色的背景和剧情信息。
- 对话初始化：AI助手根据所选角色的特点和剧情背景，生成初始对话内容并发送给用户。
- 用户输入：用户输入自己的问题或评论，AI助手接收并解析用户的输入。
- 对话生成：AI助手根据用户的输入和影视剧剧情，生成适当的回复，并考虑剧情相关性。
- 回复发送：AI助手将生成的回复发送给用户，继续维持对话。
- 循环对话：用户和AI助手之间的对话可以持续进行，直到用户选择结束对话。
对话结束：用户选择结束对话，AI助手记录对话信息。
@startuml actor User participant "角色" as AI User -> AI : 启动陪聊模块 User -> AI : 选择角色互动功能 AI -> User : 显示角色选择 User -> AI : 选择角色 AI -> AI : 加载角色信息 AI -> User : 生成初始对话内容 User -> AI : 输入问题/评论 AI -> AI : 解析用户输入 AI -> AI : 生成角色回复 AI -> User : 发送角色回复 User -> AI : 输入问题/评论 AI -> AI : 解析用户输入 AI -> AI : 生成角色回复 AI -> User : 发送角色回复 User -> AI : 结束对话 AI -> AI : 记录对话信息 @enduml
状态图
状态逻辑描述
AI助手陪聊模块可以分为以下几个主要状态：
初始状态：用户未启动陪聊模块。 选择影视剧状态：用户启动陪聊模块后，进入影视剧选择界面。 选择角色状态（可选）：用户选择影视剧后，可以选择希望与之互动的角色。 对话进行中状态：用户选择角色后，进入与角色或AI助手的对话状态。 结束对话状态：用户选择结束对话，AI助手记录相关信息并提供总结。状态之间的转换逻辑如下：
从初始状态到选择影视剧状态：用户启动陪聊模块。 从选择影视剧状态到选择角色状态：用户选择影视剧。 从选择影视剧状态到对话进行中状态：用户选择不选择角色，直接进入对话。 从选择角色状态到对话进行中状态：用户选择角色。 从对话进行中状态到对话进行中状态：用户输入问题或评论，AI助手生成回复。 从对话进行中状态到结束对话状态：用户选择结束对话。 从结束对话状态到初始状态：对话结束后，用户返回初始状态。@startuml [*] --> 初始状态 初始状态 --> 选择影视剧状态 : 启动陪聊模块 选择影视剧状态 --> 选择角色状态 : 选择影视剧 选择影视剧状态 --> 对话进行中状态 : 直接进入对话 选择角色状态 --> 对话进行中状态 : 选择角色 对话进行中状态 --> 对话进行中状态 : 输入问题/评论 对话进行中状态 --> 结束对话状态 : 结束对话 结束对话状态 --> [*] : 返回初始状态 @enduml
社区模块
- 系统显示热门话题讨论区：系统展示当前热门的讨论话题和帖子，用户可以选择感兴趣的内容进行发帖，点赞，评论。
- 用户选择发布帖子/评论：用户选择在讨论区发布自己的观点、经验或问题，对自己感兴趣的帖子进行评论，表达自己的看法。
- 用户输入帖子/评论内容：用户在输入框中撰写帖子/评论内容，表达自己的想法。
- 用户提交帖子/评论：用户点击提交按钮，发送帖/评论子到系统。
- 系统审核评论/帖子内容，审核通过则记录并更新帖子：系统接收并审核用户发布的内容，进行自动审核，快速识别并过滤违规内容，对于疑似违规的内容，进行人工复审，确保审核结果的准确性和公正性。审核结果通知用户，若审核成功则在讨论区中显示帖子或评论。
- 用户选择点赞帖子：用户对感兴趣的帖子或评论进行点赞
- 系统更新点赞数并记录该用户的点赞记录：系统更新相应帖子或评论的点赞数量，在并保存用户点赞的行为，在个人中心页面提供点赞记录查询功能，方便用户查看自己的点赞行为。
类图
时序图
业务逻辑描述
- 用户进入社区模块：用户通过应用程序进入社区模块。
- 系统显示热门话题讨论区：系统展示当前热门的讨论话题和帖子，用户可以选择感兴趣的内容进行发帖、点赞或评论。
- 用户选择发布帖子/评论：用户选择在讨论区发布自己的观点、经验或问题，或对自己感兴趣的帖子进行评论，表达自己的看法。
- 用户输入帖子/评论内容：用户在输入框中撰写帖子或评论内容，表达自己的想法。
- 用户提交帖子/评论：用户点击提交按钮，发送帖子或评论到系统。
- 系统审核评论/帖子内容：系统接收并审核用户发布的内容，进行自动审核，快速识别并过滤违规内容。对于疑似违规的内容，进行人工复审，确保审核结果的准确性和公正性。审核结果通知用户，若审核成功则在讨论区中显示帖子或评论。
- 用户选择点赞帖子：用户对感兴趣的帖子或评论进行点赞。
- 系统更新点赞数并记录该用户的点赞记录：系统更新相应帖子或评论的点赞数量，并保存用户点赞的行为。在个人中心页面提供点赞记录查询功能，方便用户查看自己的点赞行为。
结束：流程结束。
@startuml actor User participant "系统" as System User -> System : 进入社区模块 System -> User : 显示热门话题讨论区 User -> System : 选择发布帖子/评论 User -> System : 输入帖子/评论内容 User -> System : 提交帖子/评论 System -> System : 审核评论/帖子内容 alt 审核通过 System -> User : 通知审核通过 System -> System : 更新讨论区显示帖子/评论 else 审核不通过 System -> User : 通知审核不通过 end User -> System : 选择点赞帖子 System -> System : 更新点赞数 System -> System : 记录用户点赞行为 System -> User : 提供点赞记录查询功能 @enduml
状态图
状态逻辑描述
社区模块可以分为以下几个主要状态：
初始状态：用户未进入社区模块。 社区模块状态：用户进入社区模块，系统显示热门话题讨论区。 选择发帖状态：用户选择在讨论区发布帖子或评论。 输入内容状态：用户在输入框中撰写帖子或评论内容。 提交内容状态：用户点击提交按钮，发送帖子或评论到系统。 审核状态：系统接收并审核用户发布的内容。 审核通过状态：审核通过，系统记录并更新帖子或评论显示。 审核不通过状态：审核不通过，系统通知用户。 点赞状态：用户选择对感兴趣的帖子或评论进行点赞。 更新点赞状态：系统更新相应帖子或评论的点赞数量，并记录用户的点赞行为。 结束状态：用户结束操作，退出社区模块。状态转换逻辑
从初始状态到社区模块状态：用户进入社区模块。 从社区模块状态到选择发帖状态：用户选择发布帖子或评论。 从选择发帖状态到输入内容状态：用户选择输入内容。 从输入内容状态到提交内容状态：用户提交内容。 从提交内容状态到审核状态：系统审核用户发布的内容。 从审核状态到审核通过状态：审核通过，系统记录并更新帖子。 从审核状态到审核不通过状态：审核不通过，系统通知用户。 从社区模块状态到点赞状态：用户选择点赞帖子。 从点赞状态到更新点赞状态：系统更新点赞数并记录用户点赞行为。 从更新点赞状态到社区模块状态：返回社区模块状态。 从社区模块状态到结束状态：用户结束操作，退出社区模块。@startuml [*] --> 初始状态 初始状态 --> 社区模块状态 : 用户进入社区模块 社区模块状态 --> 选择发帖状态 : 用户选择发帖/评论 选择发帖状态 --> 输入内容状态 : 用户选择输入内容 输入内容状态 --> 提交内容状态 : 用户提交内容 提交内容状态 --> 审核状态 : 系统审核内容 审核状态 --> 审核通过状态 : 审核通过 审核通过状态 --> 社区模块状态 : 系统更新帖子/评论显示 审核状态 --> 审核不通过状态 : 审核不通过 审核不通过状态 --> 社区模块状态 : 系统通知用户 社区模块状态 --> 点赞状态 : 用户选择点赞帖子 点赞状态 --> 更新点赞状态 : 系统更新点赞数 更新点赞状态 --> 社区模块状态 : 返回社区模块状态 社区模块状态 --> 结束状态 : 用户结束操作 @enduml