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)
userId:String
password:String
realname:String
age: Number
gender: String
email:String
bio:String（个人简介）
avatar:String
imagery：String（用户画像）

2.FilmRecommendation
objectId: String (默认)
createdAt: Date (默认)
user: Pointer
title: String(剧名)
genre: String（题材）
grade: String（评分）
desc: String（描述）

AI陪聊助手模块

表设计

1.FilmRole表
objectId: String (默认)
createdAt: Date (默认)
name: String
nickname: String
title: String
avater: String
description: String
traits: String

2.FilmPartner表
objectId: String (默认)
createdAt: Date (默认)
name: String
age: Number
avater: String
desc: String

3.FilmChat表
objectId: String (默认)
createdAt: Date (默认)
user: Pointer
filmrole: Pointer
filmpartner: Pointer
title: String
dialogue: String

社区模块

表设计

1.FilmPost表
objectId: String (默认)
createdAt: Date (默认)
author: Pointer
title: String
label:String（话题）
content: String
likesCount: Number
commentCount：Number
status: String （状态，默认为通过）

2.FilmComment表
objectId: String (默认)
createdAt: Date (默认)
post: Pointer
user: Pointer
content: String
status: String

3.FilmPostRating表
objectId: String (默认)
createdAt: Date (默认)
user: Pointer
post: Pointer
ratingValue: Number
comment: String (可选)

类图

@startuml

class User {
    +String objectId
    +Date createdAt
    +String userId
    +String password
    +String realname
    +Number age
    +String gender
    +String email
    +String bio
    +String avatar
    +String imagery
}

class FilmRecommendation {
    +String objectId
    +Date createdAt
    +Pointer user
    +String title
    +String genre
    +String grade
    +String desc
}

class FilmRole {
    +String objectId
    +Date createdAt
    +String name
    +String nickname
    +String title
    +String avatar
    +String description
    +String traits
}

class FilmPartner {
    +String objectId
    +Date createdAt
    +String name
    +Number age
    +String avatar
    +String desc
}

class FilmChat {
    +String objectId
    +Date createdAt
    +Pointer user
    +Pointer filmrole
    +Pointer filmpartner
    +String title
    +String dialogue
}

class FilmPost {
    +String objectId
    +Date createdAt
    +Pointer author
    +String title
    +String label
    +String content
    +Number likesCount
    +Number commentCount
    +String status
}

class FilmComment {
    +String objectId
    +Date createdAt
    +Pointer post
    +Pointer user
    +String content
    +String status
}

class FilmPostRating {
    +String objectId
    +Date createdAt
    +Pointer user
    +Pointer post
    +Number ratingValue
    +String comment
}

User "1" -- "0..*" FilmRecommendation : has
User "1" -- "0..*" FilmChat : initiates
FilmRole "1" -- "0..*" FilmChat : participates
FilmPartner "1" -- "0..*" FilmChat : participates
User "1" -- "0..*" FilmPost : creates
FilmPost "1" -- "0..*" FilmComment : has
User "1" -- "0..*" FilmComment : writes
User "1" -- "0..*" FilmPostRating : rates
FilmPost "1" -- "0..*" FilmPostRating : receives

@enduml

个性化推荐模块

AI陪聊搭子通过分析与用户的聊天记录和用户画像，智能生成影视剧推荐列表，并显示。

时序图

业务逻辑描述

数据分析：AI分析用户的聊天记录，以了解用户的兴趣和偏好。
AI同时获取用户的画像信息（例如年龄、性别、兴趣等）。
推荐生成：基于分析结果，AI直接生成影视剧推荐列表。

展示推荐：系统将生成的推荐列表展示给用户。

@startuml
actor User
participant "AI陪聊助手" as ChatBot
participant "用户数据库" as UserProfileDB
participant "聊天记录数据库" as ChatHistoryDB
participant "推荐系统" as RecommendationSystem

ChatBot -> ChatHistoryDB: 获取聊天记录
ChatBot -> UserProfileDB: 获取用户画像
ChatBot -> ChatHistoryDB: 分析聊天记录
ChatBot -> RecommendationSystem: 生成推荐列表
RecommendationSystem -> ChatBot: 返回推荐列表
ChatBot -> User: 显示推荐列表

@enduml

状态图

状态逻辑描述

初始状态：用户未进行点击。
分析数据：当用户点击生成推荐时，系统分析用户的聊天记录和用户画像。
状态转移到“分析中”。
生成推荐：系统根据分析结果生成影视剧推荐列表。
状态转移到“推荐生成中”。
展示推荐：推荐生成后，系统将推荐列表展示给用户。
状态转移到“推荐展示中”。
结束状态：用户查看推荐后，状态回到“初始状态”。

@startuml
[*] --> 初始状态

初始状态 --> 分析中 : 用户点击生成推荐
分析中 --> 推荐生成中 : 分析完成
推荐生成中 --> 推荐展示中 : 生成推荐列表
推荐展示中 --> 初始状态 : 用户查看推荐

@enduml

活动图

活动逻辑描述

开始：用户与 AI 陪聊助手开始互动。
获取聊天记录：系统获取用户的聊天信息。
获取用户画像：系统获取用户的画像信息。
分析数据：系统分析聊天记录和用户画像，以了解用户偏好。
生成推荐：系统基于分析结果生成影视剧推荐列表。
展示推荐：系统将生成的推荐列表展示给用户。
结束：用户查看推荐后，活动结束。

@startuml
start
:开始推荐;
:获取用户的聊天信息;
:获取用户画像信息;
:分析聊天记录和用户画像;
:生成影视剧推荐列表;
:展示推荐列表给用户;
stop
@enduml

AI陪聊助手模块

用户选择AI陪聊搭子，它可以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，并保存数据。
用户可以选择不同角色的智能体互动，塑造不同角色的智能体与用户聊天，并保存数据。

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。
- 对话初始化：AI追剧搭子根据设定的背景，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 -> AI : 加载背景信息
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AI陪聊助手选择界面。
选择AI追剧搭子：用户选择一个追剧搭子。
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：用户进行选择后，进入与角色或AI追剧搭子的对话状态。
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：

从初始状态到选择角色状态：用户选择角色。
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 --> 选择角色状态 : 角色对话
初始状态 --> 选择AI追剧搭子状态 : 搭子陪聊
选择AI追剧搭子状态 --> 对话进行中状态 : 选择搭子
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

活动图

活动逻辑描述

开始：用户进入 AI 陪聊助手模块。
选择AI陪聊搭子：用户选择一个AI陪聊搭子或角色。
开始对话：系统根据用户选择的角色启动对话。
流畅交流：AI 陪聊助手根据影视剧的剧情与用户进行自然的对话交流。
提供个性化解读：系统为用户提供个性化的影视剧解读。
保存数据：系统在对话过程中记录用户的选择和对话内容。
结束对话：用户选择结束对话，系统保存最终的数据记录。
结束：流程结束。

@startuml
start
:用户进入AI陪聊助手模块;
:选择AI陪聊搭子或角色;
:开始对话;
:AI助手根据剧情进行自然对话;
:提供个性化的影视剧解读;
:保存对话数据;
:用户选择结束对话;
:保存最终的数据记录;
stop
@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。
系统记录用户的发帖/评论记录：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发帖/评论行为。
系统更新社区的发帖/评论内容：在讨论区中显示新的帖子/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。

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。
- 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。
- 系统将数据保存到数据库。
- 系统显示用户用户帖子/评论。
- 结束：流程结束。
```
@startuml
actor User
participant "社区模块" as CommunityModule
participant "数据库" as Database

User -> CommunityModule: 进入社区模块
User -> CommunityModule: 选择发布帖子/评论
User -> CommunityModule: 输入帖子/评论内容
User -> CommunityModule: 提交帖子/评论
CommunityModule -> Database: 保存帖子/评论数据
Database -> CommunityModule: 确认保存
CommunityModule -> User: 显示用户帖子/评论
User -> CommunityModule: 结束

@enduml
```

状态图

状态逻辑描述

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。
选择发布状态：用户选择发布帖子或评论。
输入内容状态：用户在输入框中撰写帖子或评论内容。
提交状态：用户点击提交按钮，发送帖子或评论到系统。
数据保存状态：系统将数据保存到数据库。
显示状态：系统显示用户的帖子或评论。
结束状态：用户查看帖子或评论，流程结束。

@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 --> 选择发布状态 : 用户选择发布帖子/评论
选择发布状态 --> 输入内容状态 : 用户输入帖子/评论内容
输入内容状态 --> 提交状态 : 用户提交帖子/评论
提交状态 --> 数据保存状态 : 系统将数据保存到数据库
数据保存状态 --> 显示状态 : 系统显示用户帖子/评论
显示状态 --> 结束状态 : 用户查看帖子/评论
结束状态 --> 初始状态 : 流程结束

@enduml

活动图

活动逻辑描述

开始：用户进入社区模块。
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，或对感兴趣的帖子进行评论。
输入内容：用户在输入框中撰写帖子或评论内容。
提交内容：用户点击提交按钮，发送帖子或评论到系统。
保存数据：系统将数据保存到数据库。
显示内容：系统显示用户的帖子或评论。
结束：流程结束。

@startuml
start
:用户进入社区模块;
:选择发布帖子/评论;
:用户输入帖子/评论内容;
:用户提交帖子/评论;
:系统将数据保存到数据库;
:系统显示用户的帖子/评论;
stop
@enduml

UML.md 16 KB Permalink History Raw

一、Schema范式设计

个性化推荐模块

AI陪聊助手模块

社区模块

类图

个性化推荐模块

时序图

状态图

活动图

AI陪聊助手模块

时序图

状态图

活动图

社区模块

时序图

状态图

活动图

UML.md 16 KB

Permalink History Raw