基于 SpringBoot+AI 大模型的情绪追踪与可视化分析反馈系统的设计与实现-171主机测评

温馨提示：本人主页置顶文章(点我)开头有 CSDN 平台官方提供的学长联系方式的名片！温馨提示：本人主页置顶文章(点我)开头有 CSDN平台官方提供的学长联系方式的名片！温馨提示：本人主页置顶文章(点我)开头有 CSDN 平台官方提供的学长联系方式的名片！

前言

🌞博主介绍：✌CSDN特邀作者、全栈领域优质创作者、10年IT从业经验、码云/掘金/知乎/B站/华为云/阿里云等平台优质作者、专注于Java、小程序/APP、python、大数据等技术领域和毕业项目实战，以及程序定制化开发、文档编写、答疑辅导等。✌🌞

👇🏻 精彩专栏推荐订阅👇🏻 2026-2027年最值得选的微信小程序毕业设计选题大全：200个热门选题推荐✅

2026-2027年最值得选的计算机毕业设计选题大全：500个热门选题推荐✅

Java精品项目实战案例《500套》

Java项目实战案例《500套》

微信小程序项目精品案例《500套》 🌞文末获取源码+数据库+文档🌞 感兴趣的可以先收藏起来，还有大家在毕设选题，项目以及论文编写等相关问题都可以给我留言咨询，希望帮助更多的人

在这里插入图片描述

项目概述

随着现代社会生活节奏加快，学业压力、工作竞争、人际关系等多重因素导致人们情绪波动频繁，焦虑、抑郁、愤怒等负面情绪长期积压易引发心理健康问题。传统情绪管理依赖个人自省与人工咨询，存在记录不及时、反馈滞后、缺乏量化数据支撑等局限。本项目基于SpringBoot与AI大模型设计并实现了一个情绪追踪与可视化反馈系统，系统采用前后端分离架构，面向普通用户提供情绪记录打卡、情绪追踪、情绪类型识别、情绪解压音乐推荐、个性化建议、异常上报、干预调节、公告资讯等服务；面向管理员提供用户管理、情绪类型管理、情绪解压音乐管理、情绪记录管理、个性化建议管理、异常上报处理、干预调节、情绪追踪数据管理、数据可视化分析、公告资讯、弹窗提醒、轮播图管理等功能。系统融合AI大模型情感分析能力，基于用户记录的事件名称、情绪类型、情绪强度、生理反应、应对行为、记录地点等特征自动生成情绪分析与个性化干预建议，并通过音乐、建议、干预等多维度反馈机制帮助用户疏解情绪、改善心理健康。

技术环境

本系统采用主流成熟的开发技术栈，以Java为核心开发语言，结合AI大模型、后端、前端、数据库、可视化等技术搭建完整项目体系，具体技术环境配置如下：

开发语言：Java，语法简洁、生态丰富，适配后端服务搭建与业务逻辑处理工作
AI大模型算法：接入大语言模型（LLM）能力，基于用户记录的事件、情绪类型、情绪强度、生理反应、应对行为、记录地点等多维度特征进行AI情感分析与情绪识别，自动生成个性化情绪分析报告与干预调节建议，支持自然语言理解与智能对话反馈
开发IDE工具：Idea、VS Code，分别用于后端业务开发、前后端代码编写与调试
数据库：MySQL5.7 / MySQL8.0，关系型数据库，稳定性强、读写速度快，用于持久化存储用户数据、情绪类型数据、情绪解压音乐数据、情绪记录数据、情绪追踪数据、个性化建议、异常上报、干预调节、公告资讯、弹窗提醒、轮播图等全部业务数据
后端核心框架：SpringBoot，轻量化Web框架，快速搭建后端RESTful接口、处理核心业务逻辑、实现权限管控与AI分析任务调度
项目包管理工具：Maven，统一管理项目依赖库、后端组件，保障项目环境一致性
前端技术栈：HTML+CSS+JavaScript+Vue3，采用组件化开发模式，搭建响应式前端页面，实现用户交互、情绪记录打卡、情绪追踪、音乐解压、建议查看、异常上报、后台管理等功能
可视化技术：ECharts，专业数据可视化图表库，实现情绪类型分布、情绪强度统计、情绪趋势变化、情绪记录统计分析等多维度数据图表展示
数据库管理工具：Navicat，可视化数据库管理工具，用于数据表创建、数据查看、数据备份与运维管理
整体技术架构：SpringBoot + Vue3 + MySQL + ECharts + AI大模型，标准前后端分离架构，业务解耦度高、扩展性强、便于后期功能迭代与系统维护

系统功能模块设计

一、普通用户角色

用户注册登录：新用户通过账号密码注册后登录系统，登录成功进入首页

首页浏览：查看首页轮播图与情绪追踪相关功能入口

情绪记录打卡：记录个人情绪事件，填写用户账号、姓名、事件名称、情绪类型、情绪强度、生理反应、应对行为、记录时间、记录地点、备注等信息，触发AI情感分析自动识别情绪类别

情绪追踪：按月追踪个人情绪变化，填写事件名称、情绪类型、情绪强度、生理反应、应对行为、记录时间、记录地点、备注等，形成周期性的情绪追踪档案

情绪解压音乐：浏览适合不同情绪（愤怒、孤独落寞、温馨祥和、治愈舒缓、甜蜜浪漫、欢快活力、激昂热血等）的解压音乐，查看音乐名称、适合情绪、音乐素材、适用场景、歌词，支持在线播放聆听，对音乐发表评论

个性化建议查看：查看系统基于个人情绪记录自动生成的个性化调节建议

异常上报：提交情绪异常上报，查看上报记录及系统生成的个性化建议

干预调节：查看系统为异常情绪生成的干预调节内容与相关音频，帮助疏解负面情绪

情绪解压音乐分享：将喜欢的解压音乐分享至微博等第三方平台

公告资讯浏览：浏览系统发布的情绪健康相关公告资讯

个人中心：查看和修改个人信息（用户账号、姓名、性别、联系电话、头像），修改密码，查看我的收藏，退出登录

二、管理员角色

管理员登录：管理员账号登录后台管理系统

用户管理：对注册用户账号进行信息查看、编辑、删除及状态管理

情绪类型管理：维护系统情绪类型字典，管理各类情绪分类

情绪解压管理：管理情绪解压音乐库，新增音乐（音乐名称、适合情绪、音乐封面、音乐素材、适用场景、歌词），支持查看、修改、删除、查看评论

情绪记录管理：查看和管理所有用户的情绪记录，支持查询、新增、删除、导出

情绪追踪管理：管理用户情绪追踪档案，支持查询、新增、删除、导出

个性化建议管理：审核和管理系统生成的个性化情绪调节建议

异常上报处理：查看用户提交的情绪异常上报，生成个性化建议，支持查询、删除、导出

干预调节管理：管理情绪干预调节内容，填写干预时间、调节内容、相关音频，对异常情绪进行精准干预

情绪追踪数据管理：全局维护情绪追踪数据库，按用户编号、记录日期、事件名称、情绪类型、情感分析、记录设备等条件查询，支持用户编号、记录日期、事件名称、情绪类型、情绪强度、生理反应、应对行为、事件地点、情感分析、持续时长、触发源等数据的新增、删除、导入、导出

情绪追踪数据统计：对情绪追踪数据进行统计分析，呈现情绪类型分布、情感分析倾向等多维度可视化

公告资讯管理：发布和管理情绪健康公告资讯，填写资讯标题、封面、发布时间、简介、内容，支持查看、修改、删除、查看评论

弹窗提醒管理：配置系统弹窗提醒内容，填写账号、标题、未读/已读、简介、内容、提醒时间

轮播图管理：管理首页轮播Banner图片

个人中心：管理员修改密码、维护个人信息、退出登录

系统部分效果展示

系统前台实现效果

在这里插入图片描述

系统后台管理实现效果

在这里插入图片描述

详细视频演示

❤文末卡片，联系我获取更详细的演示视频

系统架构设计

本系统采用经典前后端分离架构，整体分为三层：

表现层（前端）：基于Vue3框架分别构建普通用户前台页面与管理员后台页面，用户端提供情绪记录打卡、情绪追踪、解压音乐聆听、个性化建议查看、异常上报、公告浏览等轻量化交互界面，管理端提供情绪数据管理、情绪追踪数据统计、干预调节管理等专业操作界面，通过ECharts实现情绪类型分布、情绪强度统计、情绪趋势等多维度图表渲染
业务逻辑层（后端）：基于SpringBoot框架搭建RESTful API接口，处理用户认证、情绪记录管理、情绪追踪、解压音乐管理、AI情感分析调用、个性化建议生成、异常上报处理、干预调节、公告管理、弹窗提醒等核心业务逻辑，实现多角色权限控制与数据校验
数据层：基于MySQL数据库持久化存储用户信息、情绪类型、解压音乐、情绪记录、情绪追踪数据、个性化建议、异常上报、干预调节、公告资讯等业务数据，AI大模型基于用户情绪特征数据自动生成情感分析与个性化干预建议

系统特色与创新说明

融合AI大模型情感分析：接入大语言模型能力，基于用户记录的事件名称、情绪类型、情绪强度、生理反应、应对行为、记录地点等多维特征自动生成AI情感分析结果，智能识别情绪类别并生成个性化调节建议，提升情绪管理的智能化水平

情绪解压音乐智能推荐：建立按情绪类型分类的解压音乐库（愤怒、孤独落寞、温馨祥和、治愈舒缓、甜蜜浪漫、欢快活力、激昂热血等），用户可根据当前情绪选择匹配的疗愈音乐在线聆听，支持一键分享至微博等社交平台

异常上报与干预调节闭环：支持用户情绪异常自主上报，系统自动生成个性化建议并配置干预调节内容与相关音频，形成"记录—识别—建议—干预"的情绪健康管理闭环

情绪追踪多维数据管理：覆盖事件名称、情绪类型、情绪强度、生理反应、应对行为、记录地点、持续时长、触发源、情感分析等多维特征，支持Excel批量导入导出，方便构建AI模型训练数据集

情绪追踪数据统计分析：对用户情绪追踪数据进行统计可视化，直观呈现情绪类型分布、情感分析倾向、情绪强度变化等规律，为情绪健康评估提供数据支撑

角色权限分明：用户负责情绪记录与自主调节，管理员负责数据管理、异常处理与干预干预，角色边界清晰，业务解耦度高

弹窗提醒机制：支持配置弹窗提醒，定期推送情绪健康关怀提醒，帮助用户养成情绪记录习惯

完整情绪健康服务体系：融合情绪记录、情绪识别、音乐解压、个性化建议、异常上报、干预调节、公告资讯，形成"记录—分析—解压—建议—干预—关怀"的完整情绪健康服务闭环

为什么选择我们

海量实战案例

所有实战项目源码均为博主收集和开发，亲测可用，质量保障，大家可以放心使用，当然也可根据需求定制开发。在这里插入图片描述

自己的公众号（一点毕设）

在这里插入图片描述

代码参考

import scrapy
import pymysql
import pymssql
from ..items import xiangmuItem
import time
import re
import random
import platform
import json
import os
from urllib.parse import urlparse
import requests
import emoji
class xiangmuSpider(scrapy.Spider):
name = 'xiangmuSpider'
spiderUrl = 'https://url网址'
start_urls = spiderUrl.split(";")
protocol = ''
hostname = ''

def __init__(self, *args, **kwargs):
super().__init__(*args, **kwargs)

# 列表解析
def parse(self, response):

_url = urlparse(self.spiderUrl)
self.protocol = _url.scheme
self.hostname = _url.netloc
plat = platform.system().lower()
if plat == 'windows_bak':
pass
elif plat == 'linux' or plat == 'windows':
connect = self.db_connect()
cursor = connect.cursor()
if self.table_exists(cursor, 'xiangmu') == 1:
cursor.close()
connect.close()
self.temp_data()
return

list = response.css('ul.subject-list li.subject-item')

for item in list:

fields = xiangmuItem()

fields["laiyuan"] = self.remove_html(item.css('div.pic a.nbg::attr(href)').extract_first())
if fields["laiyuan"].startswith('//'):
fields["laiyuan"] = self.protocol + ':' + fields["laiyuan"]
elif fields["laiyuan"].startswith('/'):
fields["laiyuan"] = self.protocol + '://' + self.hostname + fields["laiyuan"]
fields["fengmian"] = self.remove_html(item.css('div.pic a.nbg img::attr(src)').extract_first())
fields["xiaoshuoming"] = self.remove_html(item.css('div.info h2 a::attr(title)').extract_first())

detailUrlRule = item.css('div.pic a.nbg::attr(href)').extract_first()
if self.protocol in detailUrlRule:
pass
elif detailUrlRule.startswith('//'):
detailUrlRule = self.protocol + ':' + detailUrlRule
else:
detailUrlRule = self.protocol + '://' + self.hostname + detailUrlRule
fields["laiyuan"] = detailUrlRule

yield scrapy.Request(url=detailUrlRule, meta={'fields': fields}, callback=self.detail_parse)

# 详情解析
def detail_parse(self, response):
fields = response.meta['fields']

try:
if '(.*?)' in '''div#info span a::text''':
fields["zuozhe"] = re.findall(r'''div#info span a::text''', response.text, re.S)[0].strip()
else:
if 'zuozhe' != 'xiangqing' and 'zuozhe' != 'detail' and 'zuozhe' != 'pinglun' and 'zuozhe' != 'zuofa':
fields["zuozhe"] = self.remove_html(response.css('''div#info span a::text''').extract_first())
else:
fields["zuozhe"] = emoji.demojize(response.css('''div#info span a::text''').extract_first())
except:
pass
# 去除多余html标签
def remove_html(self, html):
if html == None:
return ''
pattern = re.compile(r'<[^>]+>', re.S)
return pattern.sub('', html).strip()

# 数据库连接
def db_connect(self):
type = self.settings.get('TYPE', 'mysql')
host = self.settings.get('HOST', 'localhost')
port = int(self.settings.get('PORT', 3306))
user = self.settings.get('USER', 'root')
password = self.settings.get('PASSWORD', '123456')

try:
database = self.databaseName
except:
database = self.settings.get('DATABASE', '')

if type == 'mysql':
connect = pymysql.connect(host=host, port=port, db=database, user=user, passwd=password, charset='utf8')
else:
connect = pymssql.connect(host=host, user=user, password=password, database=database)

return connect

# 断表是否存在
def table_exists(self, cursor, table_name):
cursor.execute("show tables;")
tables = [cursor.fetchall()]
table_list = re.findall('(\\'.*?\\')',str(tables))
table_list = [re.sub("'",'',each) for each in table_list]

if table_name in table_list:
return 1
else:
return 0

源码获取

🍅由于篇幅限制，获取完整文章或源码、代做项目的，本人主页置顶文章(点我)开头有 CSDN 平台官方提供的学长联系方式的名片。🍅 点赞、收藏、关注，不迷路

基于 SpringBoot+AI 大模型的情绪追踪与可视化分析反馈系统的设计与实现

前言

项目概述