基于SSM框架的ACG动漫周边交易平台设计与实现开题报告

1．结合毕业设计（论文）课题情况，根据所查阅的文献资料，每人撰写不少于1000字的文献综述：

一、选题的背景和目的

ACG，即Animation（动漫），Comic（漫画）和Game（游戏）的缩写，是动漫、漫画、御宅想游戏的总称，也被称之为二次元文化。ACG文化最早起源于日本，但ACG这个词汇确实由台湾一出版社使用的。随着社会的发展，网络的日益普及，人们的娱乐方式也更加多样化，越来越多的人有机会接触到ACG文化，不仅仅是动漫，手游产业的兴起，各大漫展也在全国各地举办，使得二次元领域得到了进一步的扩张，尤其是在我们这些90后、00后之间。

因此，开发这样一个高效的专门提供ACG周边的交易平台是有一定的市场前景的。本平台的优点是，不仅可以为一些资深ACG圈的用户提供一个购物平台，更是针对一些初入圈子的新人用户来提供更加贴心的服务。许多初入ACG圈子的新人面对大量的信息和商品可能会感到不知所措，本平台可以根据其喜好、浏览的记录来智能的推荐一些商品来满足用户的需求，使得用户有更好的购物体验。

二、文献综述

1.ACG相关产业的发展现状

1.1国外ACG相关产业的发展现状分析

70年代末，随着电脑硬件和电脑图形图像软件的发展，电脑游戏因运而生。90年代起动画和漫画的制作开始普遍使用电脑，由因特网的普及带动了网络游戏；21世纪，有迎来了手机的动漫游戏时代。随着新科技、新媒体以及新的商业模式的起步，新产业的发展无可限量[1]。

在国外，ACG文化的起源地日本，动漫对日本社会的影响，可以说已经渗透盗了生活的方方面面，成为日本的大众文化[2]。ACG爱好者是庞大的瓷文化消费族群，ACG产业，其出色的故事、生动的形象、高明的映像技术，吸引了全世界的眼球，占据了世界市场的三分之二，超过日本钢铁等工业品的出口值，并在经济上产生连锁效果和雪球效果[3]。它以创意为资源，实现了不耗能，不影响环境，既能满足人们日益增长的文化娱乐需要，又能增强国家软实力的经济发展。据日本三菱研究所的调查，日本有87%的人喜欢漫画、有84%的人拥有与漫画人物形象相关的物品。日本人对漫画的需求在很大程度上刺激了ACG产业的发展，且日本是漫画的出版大国,其漫画出版的影响已经大大超越了本国的范围[4]。ACG产业的附加价值远不止如此，举个例子来说，小时候大家都看过的日本动画《口袋妖怪》，里面主人公的宠物精灵皮卡丘以其生动可爱的形象俘获了大量观众们的心，光是这一个角色的形象版权，每年就高达1000亿日元，超过了整个动画业的制作产值。在2019年上半年出演的《大侦探皮卡丘》这部电影，更是创造了6.23亿票房的好成绩。

美国电子娱乐软件协会 Electronic Software Association(ESA)发布了《2019 PC和视频游戏行业报告》[5]。2018年美国游戏产业的收益达到了破纪录的434亿美元，比2017年增长了18%。其中硬件和外设销售额75亿美元，同比增长15%；软件、游戏内购收入358亿美元，同比增长18%。报告中大约2/3的美国成年人(65%)玩电子游戏，60%的玩家用智能手机玩游戏，略占多数的受访者(52%)表示，他们在PC上玩电子游戏，约一半的玩家(49%)在专用游戏机上玩游戏。除了收入上的增长以外，游戏产业对于主流文化的影响力也在不断提升，不同背景、阶层的人群中都有许多热情的玩家存在。互动娱乐已经成为了当今美国最具影响力的娱乐形式。由此可以看出，ACG相关产业在海外有着很大的市场需求和发展前景。

1.2国内ACG相关产业的发展现状分析

自上世纪80年代起,日本动漫开始进入中国大陆,并且在短短二十多年的时间里对中国大陆动漫市场产生了强大的冲击[6]。2016年以来，国内“二次元”逐渐完成了对“御宅”概念的替代。这种概念的变迁始自业界和媒体，受资本市场引导推动。相对于已经被污名化的“宅”，“二次元”字面上就显得新鲜活泼、无负面涵义，且带有科技感，覆盖群体范围更广（将接触过ACG文化的群体也归入了二次元范畴）。企业可以围绕它向投资人和公众讲出更漂亮的经济故事，“二次元”作为身份标识，也逐渐得到了业界和社会的双重肯定。

二次元产业下游主要为二次元衍生产品，包括了动漫周边（包括景品、食玩、模型、GK模型等）、漫展、相关的游戏、音乐等等。从调查数据来看，二次元用户对ACG相关衍生产品的付费意愿较高，其中购买动漫周边的付费群体占60%，游戏付费用户群体占58%，购买手办/模型的用户群体占37%。随着二次元受众群体增加，下游衍生品市场货币化空间有望继续提升。

对比国内外的探究现状，在我的了解日本有个叫做amiamai的专门贩卖二次元周边产品的网店系统，该系统有着强大的功能并且还支持简体中文，网站的首界面不仅会显示出最畅销的几种商品，并且有着特色的商品目录。使用起来不仅简单方便，而且交易十分的安全可靠。次元仓是国内首款专门贩卖二次元周边产品网上商城系统，它是基于PHP和MySQL开发的网上商城。PHP编程虽然上手简单，开发起来更加轻便， 但是与JAVA相比，JSP有着更好的可维护性和管理性。不管是国外的amiamai还是国内最大的网上商城——淘宝，他们都是采用的B2B2C（Business to Business to Consumer）平台，这样的模式更能给用户提供优质的服务。因此，采用JAVA作为开发语言更具优势。在功能方面，本平台有着次元仓所没有的2种功能，即识别功能和智能推荐功能。次元仓面向的对象是一些有着一定的ACG知识的老用户，对于一些新人来说可能并不是那么友好，而识别功能就可能帮助那些没有多少ACG相关知识的新人用户能够更好的融入这个圈子，它可以通过用户输入的一些身体特征信息来识别出用户想要查找的人物，并且推荐相关产品。而智能推荐功能则可以根据用户的历史浏览记录来分析用户可能想要的产品，进而推荐给他，使用户有着更好的购物体验。

2.系统实现的技术的演变

基于如MVC架构模式的抽象模型，我们可以将该架构模式发展如下三个阶段：

阶段一：Servlet阶段

在该阶段架构模式中，Servlet/Filter扮演Controller角色，JSP扮演View角色，JavaBean扮演Model角色[7]。该阶段的数据库访问技术为具体DB的JDBC，该模式虽然实现了所谓的MVC模式，但却存在诸多问题：1. 前后端分离不彻底。由于JSP技术前后端分离不彻底，开发人员往往会在JSP页面中嵌套Java代码，从而需要前端开发人员懂java技术。2. JSP页面可读性差，编写效率低，尽管引入EL，JSTL等技术[8] [9]。3. Sevlet/Filter作为控制器，面临的稳定性，安全性考验(Servlet是线程不安全的)等。

阶段二：SSH(Spring+Structs+Hibernate)阶段

在该架构模式中，Controller采用Spring框架技术，View采用Structs框架技术，DB访问技术采用Hibernate框架技术[10]。从SSH中，很容易看出前后端出现了专业化，精细化分工，且朝框架演变，如前端框架采用Structs，后端框架采用Spring等。然而，SSH架构模式虽然解决了Servlet/Filter架构模式存在的问题，实现了专业化、精细化分工，实现了模块化和抽象化，但其却存在一个比较大的问题：框架笨重不灵活。如Hibernate虽然能满足业务需求，能解决业务，但其笨重不灵活，不能很好地实现可配置化的灵活方式，Structs也过于笨重。

阶段三：SSM阶段(Spring+SpringMVC+Mybatis)阶段

该模式中，Spring扮演Controller角色，SpringMVC扮演View角色(当然，小型系统，可直接采用SpringMVC即可)，Mybatis扮演DB访问技术SSM架构模式。在当前的JavaEE中，算是比较流行的开发模式了，也是大都数企业的技术选型之一[11]。SSM框架的优越性我们可以从他与SSH框架之间的对比中看出，不难看出两者的区别在于Structs与SpringMVC、Hibernate与Mybatis之间的差异。

1.与SpringMVC相比，struts2开发较为简单，但是能力较弱，而且存在一些bug和漏洞，而且性能较差，一些对form表单提交的封装和一些页面语法的支持导致性能偏弱，spring-mvc 处理请求能力强大一些，性能高许多，而且spring-mvc能够更好的整合进入spring中，不像struts2还需要一些插件；所以综上所述，其实spring-mvc在综合能力上是远超struts2的，目前struts2基本以快被spring-mvc淘汰了。

2. Mybatis和Hiberante的比较，Mybatis就是使用原生sql，而Hiberante使用hql，之间Hibernate存在hql转换sql的处理过程，从这个方面来说Mybatis的整体性能优于Hiberante，不过这不是决定性有事，因为这种性能差异微乎其微，而且在高并发状态也不会体现出来[12]。Mybatis的主要优势在于容易上手和学习成本低，一般来说学会sql就能很快上手，而且因为使用原生sql，对于很多复杂逻辑处理和性能优化上处理比较容易处理，因为只要关注sql就可以了，和Mybatis本身关系不大[13] [14]。而Hibernate学习成本就高很多了，因为Hiberante对orm是非常彻底的支持，还有一套自己的hql语法，所有的思路吧sql的二维表的关系型数据库变成了对象型的数据思路，对于Hibernate开发人员的要求，不仅仅对sql知识理解要很高，而且对Hibernate本身知识要求也很高，而且对于关系型数据库二维表数据与对象型orm数据之间的转换逻辑也要非常的熟悉，再加之Hiberante内部一些相关架构也要比较熟悉。

由此我们基本可以判断当下SSM框架比SSH框架更有优势，最主要的还是学习成本更低，所以我选择使用SSM框架来完成本次的课题。

3.国内外推荐算法的研究现状

推荐算法的研究一直是学术界一个炙手可热的话题，在深度学习兴起之前、推荐系统一直采取传统的机器学习方法来进行推荐，其基本思路是利用已经收集到的用户的行为举证来对未知的用户-物品评分进行预测，然后选取具有最高评分的物品向用户进行推荐。随着电子商务的发展，推荐成了一种新兴的市场需求。根据用户兴趣进行推荐可以有效提高其购买力，促进一些潜在用户的增加。很多电子交易平台比如：亚马逊、京东等都利用此算法以推荐用户感兴趣的信息。协同过滤算法是推荐系统领域热度很高的算法。根据挖掘资源对象的不同，协同过滤推荐算法可以分为基于用户的协同过滤算法和基于物品的协同过滤算法。基于用户的协同过滤算法主要包含两个步骤：1. 找到和目标用户兴趣相似的用户群；2. 找到这个用户群中用户喜欢的，而目标用户没有看过(听过\点击过)的物品推荐给该用户——当然还需要给出一个顺序。基于物品的协同过滤算法与基于用户的协同过滤算法主要区别在于其对象是物品。

4.特色功能

本系统的特色功能在于智能推荐功能和识别功能。首先是识别功能，其实现方法本身没有什么过高的技术要求，主要通过制作出庞大、详细的数据库，进行详细的分类、分级操作，使得系统能够更加精准的识别出用户想要搜索的对象，来满足用户需求。但是我认为这个功能可以对用户有着极大的帮助，尤其是一些新入圈子的用户，想必很多“漫友”们曾经经济过这样的事，某一天在逛着各大贴吧、或者在QQ水群的时候，突然看到一张图中的动漫角色很感兴趣，但是百度搜索时通过对外貌特征的描述并不能准确的找到其出处，因此变的很苦恼。又或者当你回忆起儿时看过的某某角色，却记不得他的名字和出处，只能依稀记得些外貌和台词。该功能就是为了解决这些问题而诞生的。

最后，智能推荐功能也是本平台最大的亮点。该功能根据用户历史浏览记录、购买记录等其他一些信息来推算出用户可能喜欢的一些相关商品进行推送，通过这种方法建立起潜在的客户关系，并通过一系列打折、促销等手段来提高用户的消费欲，进而推动更多的消费。在本课题中，智能推荐的方式采用协同过滤的推荐算法[15]。使用这个算法是利用用户对物品的偏好找到相似的物品，然后根据用户的历史偏好，推荐相似的物品给他[16]。

三、参考文献

[1] 许可葭,陈姗,章彰.基于用户研究的未来ACG产业发展初探[J]. 华东理工大学艺术设计与传媒学院,2017

[2] 张雪.日本动漫的文化特征及其对中国动漫的发展启示[D].吉林大学 2008

[3] 黄哲.ACG御宅文化的发展以及流行原因再探析[J].湖北函授大学学报. 2015(16)

[4] 李常庆.日本现代漫画出版研究[J].北京大学学报(哲学社会科学版). 1999(05)

[5] Entertainment Software Association.2019 Essential Facts,About the Computer and Video Game Industry[R]. Entertainment Software Association,2019

[6] 陈强,腾莺莺.日本动漫在中国大陆传播分析[J].现代传播(中国传媒大学学报). 2006(04)

[7] 冯锡炜,侯彤璞,张飞侠.Servlet技术在Web应用中的实现[J].辽宁工学院学报. 2005(01)

[8] 杨旭.JAVA编程语言在计算机软件开发中的应用[J/OL].电子技术与软件工程,2018,(07):59-60.

[9] 耿祥义．JSP基础编程［M］．清华大学出版社，2004．55-162

[10] 赵洋,张丽,王恩东,张素宁.基于Structs+Spring+Hibernate的J2EE的架构研究[J].现代电子技术,2009,2(289):107-110.

[11] 王艳清,陈红.基于SSM框架的智能web系统研发设计[J].计算机工程与设计,2012,33(12):4751-4757.

[12] J. Ebert,G. Vossen. Object configurations in software engineering databases[J]. Engineering with Computers,1997,13(3).

[13] 魏应彬,周星.《网页设计与Web数据库发布技术》清华大学出版社,2002.

[14] 贺春旸.MySQL 管理之道：性能调优、高可用与监控[M].北京：机械工业出版社， 2016.

[15] 陈燕新,戚飞虎.对协同学习算法的研究[J].上海交通大学学报, Aug.1998,32(8):26-30

[16] Parsa Heidary Moghadam, Vahid Heidari, Ali Moeini, Ali Kamandi. An exponential similarity measure for collaborative filtering[J]. SN Applied Sciences，2019，Vol.1（10），pp.1-4