yao lifu1. 项目概述
这个基于Django框架的协同过滤商品推荐系统，是我在电商平台个性化推荐领域的一次完整实践。系统通过分析用户历史行为数据，结合协同过滤算法，实现了精准的商品推荐功能。作为一名长期从事Web开发的工程师，我发现电商平台的推荐系统质量直接影响用户留存率和转化率，这也是我选择这个课题的主要原因。
系统采用经典的B/S架构，前端使用Vue.js构建响应式界面，后端基于Django框架开发，数据库选用MySQL，整个系统部署在Tomcat服务器上。开发环境使用Windows系统，配合PyCharm和VSCode作为主要开发工具。这种技术栈组合既保证了开发效率，又能满足系统性能需求。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 核心需求解析
2.1 功能需求分析
系统主要分为用户端和管理端两大模块：
用户端功能包括：
- 用户注册与登录
- 商品浏览与搜索
- 购物车管理
- 订单处理
- 个人中心
- 个性化商品推荐
管理端功能包括：
- 用户管理
- 商品管理
- 订单管理
- 资讯管理
- 推荐算法配置
2.2 非功能需求分析
在性能方面，系统需要满足：
- 页面响应时间不超过2秒
- 支持500+并发用户
- 推荐结果生成时间控制在1秒内
安全性要求：
- 用户密码加密存储
- 防止SQL注入
- CSRF防护
- XSS防护
3. 技术选型与架构设计
3.1 技术栈选择
后端技术：
- Python 3.8 + Django 3.2：选择这个组合是因为Django提供了完善的ORM系统和内置的管理后台，能大幅提高开发效率
- Django REST framework：用于构建RESTful API
- Surprise库：实现协同过滤算法
前端技术：
- Vue.js 2.6：轻量级前端框架，适合构建交互复杂的单页应用
- Element UI：提供丰富的UI组件
- Axios：处理HTTP请求
数据库：
- MySQL 8.0：关系型数据库，存储用户、商品、订单等结构化数据
- Redis：缓存热门商品和推荐结果
开发环境：
- Windows 10/11
- PyCharm Professional：专业的Python IDE
- VSCode：轻量级代码编辑器，用于前端开发
3.2 系统架构设计
系统采用分层架构设计：
code复制表现层(Vue.js) → 业务逻辑层(Django) → 数据访问层(ORM) → 数据库(MySQL)
↓
推荐算法模块
这种架构的优点是各层职责明确，便于维护和扩展。特别是将推荐算法独立为单独模块，方便后续算法优化和替换。
4. 数据库设计
4.1 核心表结构
系统设计了20+数据表，以下是几个关键表的设计：
用户表(user)：
sql复制CREATE TABLE `user` (
`user_id` int NOT N