1. 项目背景与核心需求
这个毕业设计项目瞄准了当前普法内容传播的痛点——传统普法视频往往采用单向灌输模式，缺乏针对不同受众的精准推荐能力。我们团队在前期调研中发现，超过78%的法律援助机构反馈普法视频的完播率不足30%，而同时有61%的受访者表示"找不到适合自己法律认知水平的普法内容"。
项目要实现的核心功能包括：
- 基于用户画像的个性化推荐引擎
- 法律知识图谱构建与实时更新
- 多维度视频内容特征提取
- 混合推荐策略（协同过滤+知识图谱）
- 可解释的推荐结果展示
2. 系统架构设计
2.1 技术栈选型
后端采用Django+Neo4j组合，主要考虑因素：
- Django的ORM对复杂数据关系的处理能力（尤其适合用户-视频-标签的多对多关系）
- Neo4j在图数据遍历上的性能优势（法律条文间的关联查询速度比MySQL快5-8倍）
- Python生态对NLP处理的完善支持（结巴分词、LTP等工具包）
前端使用Vue+Bootstrap3实现响应式布局，确保在普法宣传现场（如社区服务站的老旧电脑）也能流畅运行。
2.2 数据流设计
系统数据处理流程分为三个核心环节：
- 视频元数据采集：通过定制爬虫从普法网站抓取基础信息
- 内容深度解析：
- 使用OpenCV提取关键帧（每30秒一帧）
- 阿里云NLP服务进行字幕文本实体识别
- 自建法律术语词典增强识别准确率
- 用户行为埋点：
- 前端埋点采集播放进度、暂停点等23项指标
- 后端通过Django Channels实现实时行为分析
3. 知识图谱构建实战
3.1 法律实体识别
我们构建了包含4层结构的法律本体：
- 法律体系（宪法/民法/刑法等）
- 具体法律条文
- 司法解释
- 典型案例
使用改进的BiLSTM-CRF模型进行实体识别，在自建测试集上F1值达到0.87。关键改进点包括：
- 加入法律术语注意力层
- 设计条文编号特殊处理规则
- 引入对抗训练提升泛化能力
3.2 图谱关系挖掘
关系类型设计为7大类28小类，包括：
- 上位/下位关系（如《合同法》与《民法典》）
- 引用关系（如刑法第XX条引用司法解释）
- 相似案例关系（通过判决文书相似度计算）
使用Neo4j的APOC插件实现批量导入，包含12万+节点和35万+关系边。
4. 混合推荐算法实现
4.1 协同过滤优化
针对普法视频的冷启动问题，我们改进传统ItemCF算法：
- 加入法律知识权重（刑法内容比民法获得更高初始权重）
- 设计时效性衰减因子（新颁布法律的相关视频获得推荐加成）
- 实现基于Redis的实时相似度计算
def calculate_similarity(video1, video2): # 基础观看行为相似度 behavior_sim = cosine_similarity(video1['watch_vec'], video2['watch_vec']) # 知识图谱增强 kg_sim = neo4j_query( f"MATCH (v1)-[r]->(v2) WHERE id(v1)={video1.id} AND id(v2)={video2.id} " "RETURN sum(r.weight)*0.2" ) # 时效性调整 time_factor = 1/(1 + math.log(1 + (now - video1.publish_date).days)) return behavior_sim * 0.6 + kg_sim * 0.3 + time_factor * 0.14.2 知识图谱路径推荐
当用户观看"劳动合同纠纷"相关视频时，系统会：
- 在Neo4j中查询该视频关联的法律条文
- 沿图谱寻找3跳内的关联内容（如《劳动法》→社保缴纳→工伤认定）
- 按路径权重排序生成推荐列表
5. 工程实现关键点
5.1 性能优化方案
针对普法视频的特征提取耗时问题，我们设计了两级缓存：
- 视频基础特征缓存：Redis存储，过期时间24h
- 深度特征缓存：MongoDB存储，按LRU策略淘汰
测试表明该方案使推荐响应时间从1.8s降至400ms左右。
5.2 可解释性实现
推荐结果展示时附带可视化解释：
- 法律条文关联路径图
- "推荐理由"自然语言生成
- 相似用户观看分布
使用D3.js实现的关系路径图，可以让基层普法人员直观理解推荐逻辑。
6. 部署与测试
6.1 压力测试数据
在阿里云2核4G服务器上：
- 100并发用户时API平均响应时间：320ms
- 知识图谱查询P99延迟：210ms
- 推荐结果生成耗时：150-400ms
6.2 效果评估指标
使用真实普法宣传场景数据测试：
- 推荐视频的完播率提升至58%
- 用户主动搜索次数下降42%
- 法律知识测试正确率提升35%
7. 踩坑实录
Neo4j批量导入时遇到的内存溢出问题：
- 错误做法：直接导入10万+节点的CSV文件
- 正确方案：使用apoc.periodic.iterate分批次提交
- 优化后导入时间从6小时缩短到23分钟
视频特征提取的GPU显存泄漏：
- 现象：处理200+视频后程序崩溃
- 定位：OpenCV的DNN模块未释放显存
- 解决：封装提取进程，单次任务后强制重启
Django ORM的N+1查询问题：
- 典型错误：在推荐结果序列化时遍历查询关联对象
- 优化方案：使用select_related和prefetch_related
- 效果：单个API查询从17次SQL降到3次
这个项目让我深刻体会到：在法律与技术交叉领域，算法效果不是唯一追求点，更重要的是推荐结果的法律严谨性和可解释性。我们后来增加的"法条溯源"功能，就是应基层司法局要求特别开发的——他们需要确保每个推荐视频都有明确的法律依据。
