django+python协同过滤推荐算法网上购物商城系统的n9u33

本毕业设计的内容是设计实现一个基于 Django框架的智能推荐算法。它是以 Python语言，MYSQL为数据库开发平台，Tomcat网络信息服务作为应用服务器。智能推荐算法的功能已基本实现，主要包括用户、商品分类、购物商品、订单等。本项目软件架构选择B/S模式,总体功能模块运用自顶向下的分层思想。再然后就是实现系统并进行代码编写实现功能。论文的最后章节总结一下自己完成本论文和开发本项目的心得和总结，基本上实现了整个智能推荐算法信息管理的过程。

使用智能推荐算法相对传统推荐算法方式具备很多优点：首先可以大幅提高推荐算法检索，只需输入商品相关信息就能在数秒内反馈想要的结果；其次可存储大量的推荐算法信息，同时推荐算法安全性有更高的保障；相比纸质文件来管理推荐算法，智能推荐算法更节省空间人力资源。这些优点大大提高运营效率并节省运营成本。因此，开发智能推荐算法对购物商品进行有效的管理是很必要的。普通用户：
商品信息浏览：针对商品的基本信息进行在线查看浏览。
在线下单：注册用户可以在线对商品进行购买下单。
在线注册：普通用户可以在线对用户进行注册，注册用户可以在线购物。
在线留言：注册用户可以在线对网站进行留言，并在线查看其他会员的留言信息。
个人信息维护：针对个人的信息进行在线维护管理。

管理员用户：
个人密码修改：管理员可以对个人密码进行在线修改。
商品类别管理：能够对商品的类别信息进行在线管理，并新增，修改和删除类别信息。
商品信息管理：针对商品的基本信息进行管理，实现了商品的在线新增，修改和查询等。
会员信息管理：针对注册会员进行信息管理，能够管理会员本身的信息。
网站留言管理：针对前台的网站留言信息进行管理，可以在线回复留言信息。
订单信息管理：可以处理会员用户的订单信息，能够对订单信息进行处理

目 录
目 录    I
1 绪 论    1
1.1研究的背景    2
1.2研究的主要内容    3
1.3 本文主要工作    3
2 开发工具和技术    3
2.1 Python简介       4
2.2 Django框架介绍     4
2.3 MySQL环境配置    5
2.4 mysql数据库介绍    5
2.5 B/S架构    6
2.6协同过滤推荐算法简介    6
3 系统需求分析    6
3.1 系统可行性分析及目的    7
3.1.1经济可行性    7
3.1.2 法律可行性    7
3.1.3 技术可行性    8
3.1.4 操作可行性    8
3.2系统功能需求    9
3.3系统流程分析    10
3.3.1操作流程    10
3.3.2添加信息流程    11
3.3.3删除信息流程    11
4  系统总体设计    12
4.1 系统体系结构    13
4.2 数据库设计    13
4.2.1 数据库概念结构设计    14
4.2.2 数据库逻辑结构设计    15
5 系统详细设计    16
5.1前台功能模块    16
5.2管理员功能模块    17
5.3用户功能模块    17
6 系统测试    17
总 结    17
心得体会    18
参考文献    18
致 谢    19