SpringBoot+Vue白酒电商推荐系统设计与实现

1. 项目背景与核心价值

黔醉酒业白酒销售系统是一个典型的电商平台项目，它巧妙地将传统白酒销售业务与现代推荐算法相结合。我在实际开发中发现，白酒行业有其特殊性——用户往往对特定香型、年份有明确偏好，但又容易被同类新品吸引。这正是协同过滤算法能大显身手的地方。

这个项目采用SpringBoot+Vue的主流技术栈，前后端完全分离。后端用SpringBoot构建RESTful API，处理核心业务逻辑；前端用Vue.js实现动态交互，ElementUI提供美观的界面组件。数据库选用MySQL 8.0，充分利用其JSON字段特性存储用户行为数据。

提示：白酒销售系统的商品属性比普通电商更复杂，需要特别关注香型（酱香、浓香等）、酒精度、年份等关键字段的设计。

2. 系统架构设计解析

2.1 技术选型决策过程

选择SpringBoot而非传统SSM框架，主要基于三点考量：

1. 内嵌Tomcat简化部署，特别适合学生快速搭建演示环境
2. Starter机制能快速集成MyBatis-Plus、Redis等必备组件
3. Actuator端点方便监控系统运行状态，这对毕设答辩演示很有帮助

前端选用Vue.js+ElementUI组合是因为：

• Vue的渐进式特性适合从简单页面逐步扩展
• ElementUI的表格、表单组件能快速构建后台管理系统
• 相比React，Vue的学习曲线更平缓，适合课设时间有限的情况

2.2 数据库设计精要

用户表(user)设计时特别注意了密码安全：

sql复制CREATE TABLE `user` (
  `user_id` INT NOT NULL AUTO_INCREMENT,
  `username` VARCHAR(50) NOT NULL COMMENT '登录名',
  `password_hash` VARCHAR(100) NOT NULL COMMENT 'BCrypt加密密码',
  `phone_number` VARCHAR(20) COMMENT '绑定手机',
  `preference` JSON COMMENT '用户偏好{香型:["酱香"], 酒精度:[52]}',
  PRIMARY KEY (`user_id`),
  UNIQUE INDEX `username_UNIQUE` (`username`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

商品表(product)的关键字段：

sql复制`product_type` ENUM('酱香','浓香','清香','兼香') NOT NULL COMMENT '白酒香型',
`alcohol_degree` DECIMAL(3,1) NOT NULL COMMENT '酒精度数',
`production_year` YEAR NOT NULL COMMENT '生产年份'

3. 协同过滤算法实现

3.1 用户-商品评分矩阵构建

实际开发中发现，白酒销售场景不能简单套用电影推荐的5分制。我们创新性地采用三维评分体系：

Java实现片段：

java复制public class CFRecommender {
    // 用户相似度计算（皮尔逊系数）
    public double similarity(Map<Integer, Double> user1, 
                            Map<Inte