摘 要

随着物质生活水平的提高，人们对生活质量的要求也越来越高。逐年增长的网购消费，导致电子商务发展十分迅速，网络购物商城出现在人们的视角中，为人们的网上购物提供了一个良好的平台。

但是由于基础设施等外部因素，在未来的一个较长的时期中，这种模式的业务继续扩大的潜力十分充足。这种模式主要依托于互联网，为大众消费服务提供手段，实现公众网络购物和线上线下服务，并确保为消费者提供可靠的电子化付款方式。互联网大数据时代的出现和迅速发展，越来越多的网上购物系统提供个性化的电子零售^[22]。目前，种类繁多的线上商品眼花缭乱，从衣食住行到电子科技产品、甚至一些由二次元衍生出来的等各种消费商品和服务，导致了消费者无法快速有效的获取到自己想要的商品。而立足于数据收集和分析的各种推荐算法模型，很有效的改善了消费者的购物体验。系统自动记录消费者的购买行为和浏览的店铺，甚至在系统外部获取消费者的消费偏好，得出立体化的消费者购物分析图。当然,要想放心大胆地进行电子购物活动，非常有效的电子商务保密系统是至关重要的。

本文在研究和运用混合多准则推荐算法中协同过滤算法的基础上，对系统架构、数据库、模块功能和系统界面进行了设计，基于Javaweb开发的设计模式来实现购物系统。系统使用MySql5.6版本作为后台的数据管理系统，后端开发框架采用最新的Springboot分布式开发框架，而在前端使用JDBC技术实现数据访问，并且运用Themeleaf模板渲染前端页面效果。根据消费者网上购物的消费行为习惯，系统设计了包括商品展示浏览，数据获取分析，下单模拟支付，用户评论，购物车板块，模糊搜索商品功能，购买商品以及后台管理等多个模块，并实现了设计的模块的大部分功能。系统试运行时取得了很好的效果，在对购物推荐的研究上具有一定的应用价值。

关键词：协同过滤；购物系统；推荐算法；Javaweb开发；数据库设计

Abstract

With the improvement of material living standards, people's requirements for the quality of life are getting higher and higher. In the long run, enterprise-to-consumer e-commerce will eventually occupy an important position in the field of e-commerce.

It provides the means of providing the Internet as the main service, realizing public consumption and providing services, and guaranteeing the electronic payment methods associated with it. At present, there are various types of commercial centers on the Internet, providing everything from flowers and books to computers and automobiles^[22]. This kind of shopping process has completely changed the traditional face-to-face transaction and the one-handed delivery and face-to-face shopping methods, which is a new and effective way of e-shopping. Of course, in order to be confident in e-shopping activities, you need a very effective e-commerce security system. Of course, a very effective e-commerce security system is essential if you want to be confident and bold about your shopping activities.

Based on this, the system architecture, database, module functions and system interface are designed. The system is designed and implemented based on Javaweb. The system uses MySql as the back-end data management system. The back-end framework uses the latest springboot, and uses JDBC technology to implement data access in the front-end, and renders the page through the Themeleaf template. According to the actual situation of consumers' online shopping, the system has designed multiple modules including product display browsing, data crawling, order simulation payment, user review, adding shopping cart, searching for goods, purchasing goods and background management, and the module is large. Some features have been implemented.This system has achieved good results during trial operation and has a relatively high application value.

Key Words：Social Filtering; Shopping Cart; Recommendation Algorithm;

Java Web Development; Database Design.

目 录

第1章 绪论 1

1.1 选题的目的及意义 1

1.2 国内外研究及应用现状综述 2

1.3 本论文的主要内容及技术路线 2

第2章 购物推荐系统的系统分析 4

2.1系统开发目标 4

2.2 系统模块分析 5

2.3 业务流程分析 5

2.4 推荐算法模型简介 8

2.4.1混合推荐算法（Hybrid） 8

第3章 系统设计 13

3.1开发环境及使用技术 13

3.2功能结构设计 15

3.3编码设计 15

3.4数据库设计 16

3.4.1数据库概念设计 16

3.4.2数据库表设计 16

第4章 系统实施 21

4.1关键技术 21

4.2模拟运行数据 21

4.2.1购物推荐系统（用户） 21

4.2.2管理后台模块（管理员） 27

4.2.3用户首页推荐模块（管理员） 29

4.3系统调试与测试 29

第5章 展望总结 31

5.1全文总结 31

5.2 展望研究 31

参考文献 33

致谢 35

第1章 绪论

大数据时代的到来带来信息的迅速增长，信息过载已经成为信息化道路上的严重问题。现阶段的搜索引擎未能达到消费者的需求，因此基于推荐算法推荐系统慢慢的展露出锋芒，个性化推荐技术响应时代召唤，成为了缓解信息过载问题的重要手段。协同过滤算法作为当前应用最为广泛的一类推荐方法，现阶段仍存在一些问题，有待进一步改进。

随着蓬勃发展的互联网技术，由此而产生的信息变得繁杂而多样化，用户难以从海量数据中找到需要的信息。为解决“获取准确信息难”问题，基于推荐算法的推荐系统随之到来。推荐系统通过分析用户行为信息，解析用户的关注点，得出用户个性偏好类型，进而为用户进行个性化的信息推送。目前，推荐算法已广泛应用于社交网络、音乐软件和电子购物等领域，但仍存在冷启动、数据稀疏等常规问题^[5]。

电子商务模式的发展日渐成熟，线上购物系统数量也呈现井喷式增长，如：淘宝、天猫、京东、拼多多、亚马逊等。人们在获取数据时代带来的便利时，伴随而来的是数据量大和信息碎片化的困扰。在由数据支持的电子商务领域里，购物平台上存放着海量的商品信息、用户信息和商家信息。对于普通消费者来说，快速地寻找所需商品是一个难题。用户希望网站能自动地推荐所需要或感兴趣的商品。用户对这一需求越来越迫切，应用在电商领域的个性化推荐系统由此而生。用户对这一需求越来越迫切，应用在电商领域的个性化推荐系统由此而生。

• 1. 选题的目的及意义

随着互联网技术和物流基础设施的快速发展，线上购物已经成为我们日常生活中不可或缺的关键组成部分，但购物平台商品信息纷杂多变，商品品种更新迭代周期极短，这极大激发了消费者的购物欲望。由于气候因素、地域因素、科技水平、以及个人喜好的不同，人们越来越关注如何将最适合的商品推荐给最需要的消费者，使商品以最小的中间成本成交。而面对海量信息,推荐系统显得尤为重要,推荐技术受到更多的关注和研究。混合多准则以其简单、高效的特点,成为目前应用广泛和成功的推荐技术。

随着推荐算法应用的不断深入，尤其是百度、阿里巴巴、腾讯等这些互联网巨头在云服务、云计算上的技术投入，都为购物平台的个性化推荐打下了很好的基础，将推荐算法应用于购物系统主要有一下几方面优点：    

①过滤大量无用信息，提高购物体验。大多数消费者购物都带有一定的目的性，大量的商品信息对于消费者来说都是无用的，将推荐算法应用于购物平台能够节省消费者的搜索时间和精力，将最适合消费者消费行为的商品推荐给消费者，从而达到提高消费体验的目的。

②激发消费欲望。实体商店中，一件商品放在商店中只能等待消费者前来寻找，处于一种被动的消费状态，而商品变成“数据”之后，便能够通过算法主动的去“寻找”消费者，从这点来看，推荐算法在购物系统中的使用能够极大的促进消费。

本系统旨在开发出一款能够基本满足消费者需求的购物系统，在此基础上，进一步验证混合多准则推荐算法在购物系统中的适用性，通过用户操作进行行为偏好分析，验证模型的正确性。

• 1. 国内外研究及应用现状综述

推荐系统在上世纪90年代就已经有了初步的运用，经过二三十年的飞速发展，在研究及应用上取得了许多的科技成果。推荐算法在推荐系统中的应用，被认为是解决难以获取有效信息问题最成功的方法之一^[7]。但是另一方面，推荐系统在多准则环境下的应用与研究虽然已经有了一定成果，但也仅仅是刚刚起步，在很多方面的应用还处于空白状态。

目前国外将推荐算法应用于推荐系统的案例中，较好的典型是Amazon，其推荐系统相比于其他购物系统来说有很大优势可以借鉴，国内的一些大型网络商城包括京东、苏宁、天猫、淘宝等，对推荐算法的使用尚属于起步状态，推荐效果现阶段不是很理想，准确率一直是个大问题！但随着对系统的不断研发和改善，尤其是近几年，准确率得到了很大的提高。

推荐算法在系统中的实现方式按推荐引擎的算法分，主要有协同过滤、基于内容推荐等算法。Amazon作为 运用推荐算法最出名的购物推荐系统，其CEO Jeff Bezos，曾说过，要为100万个用户做100万个个性化的网站，当消费者在浏览商品时，系统可以根据消费者购物偏好和商品的购买热度生成一个购物推荐清单。

• 1. 本论文的主要内容及技术路线

线上购物推荐系统实现了商品展示浏览，下单模拟支付，用户评论，加入购物车，搜索商品，购买商品以及后台管理等多个模块，其中商品推荐所依据的数据网络上爬取而来，各模块功能实现所采用技术见表1.1所示。

表1.1 购物推荐系统功能及所采用技术一览表

第2章 购物推荐系统的系统分析

2.1系统开发目标

整个系统由线上购物（用户使用）和管理后台（管理员使用）两部分组成，系统开发完成后计划实现下列功能及效果：

登陆网址显示首页，首页包括导航栏、二级菜单并且轮播转换商品图片，用户可以在首页浏览商品的详细信息。

注册使用者登录系统后，界面内会显示用户信息，新的用户可以通过注册新的账号，注册成功后进行系统的登陆。

登陆之后可以在搜索框内输入要搜索的相关商品，点击搜索之后跳转到搜索结果页面，页面内会匹配所有相似商品并以列表的形式展现出来。

用户浏览商品时可以点击商品链接，进一步了解商品详细信息。

查看商品详细信息时，使用者可以将此商品加入购物篮保存。

在商品详情页面，用户可以发表对商品的评论，上传图片和点赞。

使用者在购物篮里中可以查看所有收藏商品的详细信息,也可以删除相应的商品,还可以将商品加入订单列表。

用户在订单列表里面可以看到自己所有的订单详情，可以点击购买，从而进行支付。

模拟支付，调用支付宝接口，相关数据会在支付页面显示，支付方式多种可选。

在后台管理界面，管理员账号可以对用户、商品以及订单等信息进行管理。

2.2 系统模块分析

图2.1 系统功能模块分析图