论文总字数：24212字

摘 要

21世纪是一个信息化的时代，到实体商城购物也逐渐演变成了网上购物。如今，淘宝、京东等购物平台已经成为万家千户的首选，小到首饰、食品，大到电器、家具，电商购物商城基本能满足国民日常生活的需要。近年来,电商购物商城的使用也在不断扩大，显而易见，电商平台具有无限的潜力。

在电商网站中，最普遍的就是商品推荐。推荐商品的主要目的是获取用户可能的兴趣，提高用户购物的效率，减少网站滞留时间，给予用户友好的购物体验，同时这也将影响着网站销售的有效转化率，从而影响商品销量。当今许多国内的推荐系统，广泛使用的是内容和协同过滤，其中也牵扯到矩阵分解技术。这些推荐结果一方面针对的是所有用户，然而就个体用户而言，更希望的是能从推荐的结果中看到最符合自身兴趣的商品，而不是海量的推荐表；另一方面是推荐结果不能保存用户过去的每一次的信息，导致丧失用户过去信息的价值。

为了实现以上的目标，我使用当前较主流的Spring、SpringMVC、MyBatis框架开发一个MVC架构的网络购物商城，搭建良好的界面，模拟用户购物的流程，完成推荐。例如，用户注册登录后，首次看到的是当前网站销量排行靠前的商品，这算是对用户隐性地推荐；在用户第一次购物并完成订单之后存储用户购买的记录，通过算法计算得出相似用户所购买的商品，再根据该用户与相似用户的相似度，计算出相似用户所购买的其他商品的推荐值，最后进行排序，完成推荐。

总体来说，本项目实现了满足购物者基本需求的电商系统。

关键词:推荐系统 电子商城 MVC 协同过滤

Online shopping system based on intelligent recommendation

Abstract

The 21st century is an information age, and shopping in physical shopping malls has gradually evolved into online shopping. Nowadays, shopping platforms such as Taobao and Jingdong have become the first choice for thousands of households. From small jewelry to food, to electrical appliances and furniture, e-commerce shopping malls can basically meet the needs of national daily life. In recent years, In recent years, the use of electronic shopping malls has been expanding.Obviously, e-commerce platforms have unlimited potential.

In the e-commerce website, the most common is the product recommendation. The main purpose of the recommended products is to obtain the user's possible interests, improve the efficiency of the user's shopping, reduce the time of staying on the website, and give the user a friendly shopping experience, which will also affect the effective conversion rate of the website sales, thereby affecting the sales of the goods. Many domestic recommendation systems today use content and collaborative filtering, which also involves matrix decomposition techniques. These recommendations are aimed at all users on the one hand, but for individual users, it is more desirable to see the products that best suit their interests from the recommended results, rather than a large number of recommended forms; It is impossible to save every past information of the user, resulting in the loss of the value of the user's past information.

In order to achieve the above goals, I use the current mainstream Spring, SpringMVC, MyBatis framework to develop an MVC-based online shopping mall, build a good interface, simulate the user shopping process, and complete the recommendation. For example, after the user logs in and logs in, the first time the product is ranked first in the current website sales, this is implicitly recommended to the user; after the user first purchases and completes the order, the user purchases the record, which is calculated by an algorithm. The products purchased by similar users are compared, and according to the similarity between the user and the similar users, the recommended values of other products purchased by similar users are calculated, and finally sorted to complete the recommendation.

Overall, the project has realized an e-commerce system that meets the basic needs of shoppers.

Key words: Recommended system; E-commerce; MVC; Collaborative filtering

目录

摘要 I

Online shopping system based on intelligent recommendation II

Abstract II

目录 III

第一章 绪论 1

1.1 开发背景简介 1

1.2 开发环境概述 1

1.3 项目介绍 1

第二章 相关技术简介 3

2.1 JSP技术简介 3

2.2 MYSQL简介 3

2.3 SSM框架简介 4

2.4 推荐算法简介 4

第三章 系统分析 6

3.1系统可行性分析 6

3.1.1 技术可行性 6

3.1.2 开发管理可行性 6

3.1.3 经济可行性 6

3.1.4 系统操作简易性 6

3.2 系统需求分析 6

3.2.1功能性需求 6

3.2.2非功能性需求 8

3.2.3设计约束 8

第四章 系统设计 10

4.1 系统结构 10

4.1.1系统MVC框架 10

4.2 系统功能设计 11

4.2.1系统功能结构图 11

4.2.2系统用例图 12

4.2.3系统流程图 14

4.3 数据库结构设计 15

第五章 系统实现 20

5.1 主要页面展示 20

5.1.1 用户注册界面 20

5.1.2用户登录界面 20

5.1.3首页界面 21

5.1.4商品查询结果界面 23

5.1.5商品详情界面 23

5.1.6购物车界面 24

5.1.7个人中心界面-我的信息 25

5.1.8个人中心-我的地址 26

5.1.9个人中心-我的订单 27

5.1.10首页-推荐商品 28

5.1.11后台管理界面-用户管理 28

5.1.12后台管理系统-商品管理 29

5.2主要模块的代码实现 30

5.2.1用户注册模块 30

5.2.2用户登录模块 31

5.2.3商品查询模块 32

5.2.4购物车查询模块 33

5.2.5个人中心-上传图片 34

5.2.6个人中心-设置默认地址 35

5.2.7推荐商品 35

第六章 系统测试 37

6.1 测试的目的及意义 37

6.2特定用例测试 37

6.3功能性测试 38

6.4测试结果分析 39

结论 40

参考文献 41

致谢 42

绪论

1.1 开发背景简介

随着信息技术和互联网的发展，生活节奏的加快，人们更倾向于“快餐”类的体验，希望能在极短的时间内过滤掉无用的信息，让最有价值的信息映入眼帘。搜索引擎虽然方便我们找到想要了解的信息，但是信息的数量已经出现了严重的过载现象，在不断兴起的电商网站中更是如此，这不论对信息的阅读者还是管理者都是一种巨大的挑战。而推荐系统存在的意义，它不需要用户提供明确的需求，而是根据用户的行为计算出用户较为感兴趣的物品，实现了用户和商家的双赢。

推荐系统正常应该有以下三方面的表现：第一方面，能让浏览系统的人变为系统的用户，除了比较友好、舒适的布局展示，更重要的是能够激发浏览者的购买欲望，从而促成购买流程；第二方面，在用户购买商品的过程中能够推荐用户本身确实需要但是一时无法想到的商品，其中涉及到商品和商品之间的关联，最终提高电商网站的交叉销售能力。第三方面，能够将用户性别、年龄、访问记录、收藏记录、购买记录和商品的价格、点击率、购买率、评价、标签等等因素综合分析，从而提高推荐的精度，提高用户粘性。

请支付后下载全文，论文总字数：24212字