个性化购物商城推荐系统python+django+mysql+协同过滤推荐算法 在线购物商城、网上商城推荐系统 基于用户、物品的协同过滤推荐算法 个性化推荐、排行榜、热门推荐、相关推荐PersonalizedShopRecWebPy

一、项目简介

1、开发工具和使用技术

Python3及以上版本，Django3.6及以上版本，mysql8，navicat数据库管理工具或者sqlyog数据库管理工具，bootstrap前端框架，bootstrap字体图标，html页面，javascript脚本，jquery脚本，jquery.raty五角星评分组件等。

2、实现功能

前台首页地址：http://127.0.0.1:8000/
后台首页地址：http://127.0.0.1:8000/admin
管理员账号：admin 管理员密码：admin

前台用户包含：登录、注册、忘记密码、退出登录、搜索商品、浏览商品、修改信息、密码修改、用户评分、用户收藏、用户评论、用户点赞、浏览历史、购物车、模拟支付、购买、排行榜、个性化推荐等功能；

后台管理员包含：商品类型管理、商品管理、订单管理、用户管理、用户评分管理、用户收藏管理、用户评论管理、用户点赞管理、用户历史管理、管理员管理等。

推荐商品：
游客（用户未登录）：
为你推荐：根据商品平均评分进行热门推荐；
猜你喜欢：根据商品购买数量进行热门推荐。
登录用户：
为你推荐：采用基于用户的协同过滤推荐算法，根据用户评分数据，如果基于用户的协同过滤推荐算法没有推荐结果（冷启动和数据稀疏性问题造成没有推荐结果），根据商品平均评分进行热门推荐，同时排除登录用户已有评分的商品；
猜你喜欢：采用基于物品的协同过滤推荐算法，根据用户购买数据，如果基于物品的协同过滤推荐算法没有推荐结果（冷启动和数据稀疏性问题造成没有推荐结果），根据商品购买数量进行热门推荐，同时排除登录用户已有购买的商品。

相关推荐：
查找当前商品类型下收藏量较高的商品，同时不包括当前登录用户收藏过的商品。

排行榜：
人气榜，查询浏览数量较高的商品；
高分榜，查询平均分较高的商品；
收藏榜，查询收藏量较高的商品；
点赞榜，查询点赞量较高的商品。

商品数据来源：爬取京东商城网站

3、开发步骤

一、设计思路
先进行需求分析，得出需要实现的功能，
再进行数据库表的设计，数据表通过主外建实现关联关系
然后是页面设计，页面设计使用bootstrap样式
接着是系统代码的开发，基础功能实现后是进行算法实现

二、框架描述
开发框架使用经典的django框架，这也是python web开发的主流框架
采用了MTV的框架模式，即模型M，视图V和模版T，
通过pycharm创建一个新的django框架项目，pycharm会生成django的基本配置，
直接运行后就可以在浏览器访问django默认首页
我们只是在生成的框架中添加自定义模块功能

django框架工作流程
1、用manage .py runserver 启动Django服务器时就载入了在同一目录下的settings.py。
该文件包含了项目中的配置信息，如前面讲的URLConf等，
其中最重要的配置就是ROOT_URLCONF，
它告诉Django哪个Python模块应该用作本站的URLConf，
默认的是urls.py
2、当访问url的时候，Django会根据ROOT_URLCONF的设置来装载URLConf。
3、然后按顺序逐个匹配URLConf里的URLpatterns。
如果找到则会调用相关联的视图函数，并把HttpRequest对象作为第一个参数(通常是request)
4、最后该view函数负责返回一个HttpResponse对象。

三、数据库的设计
数据库设计是使用navicat来创建，操作非常简便

四、算法的实现都是使用python常规函数，严格按照算法步骤实现（算法步骤代码注释很详细）

二、项目展示

三、代码展示及运行结果

专业长期研究java、python推荐算法（基于内容、协同过滤、关联规则、机器学习等）、大数据等，欢迎留言、私信互相交流学习，后续会不断更新，欢迎关注。