博主介绍：✌全网粉丝50W+,前互联网大厂软件研发、集结硕博英豪成立工作室。专注于计算机相关专业项目实战8年之久，选择我们就是选择放心、选择安心毕业✌
> 🍅想要获取完整文章或者源码，或者代做，拉到文章底部即可与我联系了。🍅

点击查看作者主页，了解更多项目！

🍅感兴趣的可以先收藏起来，点赞、关注不迷路，大家在毕设选题，项目以及论文编写等相关问题都可以给我留言咨询，希望帮助同学们顺利毕业 。🍅

1、毕业设计：2026年计算机专业毕业设计选题汇总（建议收藏）✅

2、大数据毕业设计：2026年选题大全 深度学习 python语言 JAVA语言 hadoop和spark（建议收藏）✅

1、项目介绍

技术栈
后端基于 Python 与 Django 框架开发，通过 django-simpleui 搭建后台管理界面，选用 MySQL 作为核心数据库；前端依托 Node.js 环境，使用 Vue3、Element Plus、Tailwind CSS、Vite 及 TypeScript 构建交互界面；数据采集部分借助 Python 的 Scrapy 框架与 requests 库完成，通过 XPath 解析页面内容；推荐算法采用协同过滤技术实现个性化商品推荐。

功能模块
· 系统首页
· 商品详情页
· 购物车功能
· 推荐模块
· 后台数据管理
· 注册登录

项目介绍
本项目针对当前电商平台推荐内容单一、操作流程复杂等问题，设计并实现一个基于协同过滤算法的智能推荐购物系统。系统采用前后端分离架构，后端基于 Django 构建业务逻辑与数据接口，前端使用 Vue3 打造动态交互界面，借助 Scrapy 爬虫采集商品数据充实平台资源。协同过滤算法对用户浏览、购买等行为数据进行深度挖掘，计算用户偏好相似度并生成个性化推荐内容，提升商品与用户的匹配效率。平台涵盖商品浏览、购物车管理、订单处理、后台维护等完整业务环节，在改善用户购物体验的同时为平台运营提供数据支撑。

2、项目界面

1. 系统首页（功能导航、热门商品展示、个性化推荐入口）
   该页面是基于python的商品购物推荐系统的商品列表页，包含商品搜索、商品分类筛选、商品排序以及商品展示等功能模块，可进行关键词搜索、按分类筛选商品、选择排序方式并查看展示的商品信息。
   

2. 商品详情页（商品参数、图文介绍、用户评价、推荐商品列表）
   该页面是基于python的商品购物推荐系统的商品详情页，包含商品信息展示、购买数量调整以及相似商品推荐等功能模块，可查看商品的详细参数信息，调整购买数量，并获取相关的相似商品推荐。
   

3. 购物车功能（已选商品列表、数量调整、价格计算、结算入口）
   该页面是基于python的商品购物推荐系统的购物车页面，包含购物车商品展示、商品数量调整、购物车金额统计、清空购物车以及立即购买等功能模块，可查看已加入购物车的商品，调整商品数量，查看总价并执行清空购物车或立即购买的操作。

4. 推荐模块（基于协同过滤的“为你推荐”商品列表，含匹配度标注）
   该页面是基于python的商品购物推荐系统的商品大厅页面，包含商品展示、分页导航以及个性化商品推荐等功能模块，可浏览展示的商品，通过分页功能切换查看更多商品，并获取为用户个性化推荐的商品内容。

5. 后台数据管理（商品信息维护、用户管理、订单查询、数据统计界面）
   该页面是基于python的商品购物推荐系统的后台商品数据管理页面，包含商品数据列表展示、商品分类筛选、商品数据搜索、商品数据批量操作、商品数据分页导航以及后台菜单导航等功能模块，可对商品数据进行查看、筛选、搜索、批量操作和分页管理等操作。
   

6.注册登录
该页面是基于python的商品购物推荐系统的登录页面，包含用户名输入、密码输入、登录按钮以及注册引导等功能模块，可进行账号登录操作，也可通过注册引导入口进行新用户注册。

3、项目说明

一、技术栈简要说明
本项目采用前后端分离架构，后端基于Python语言，使用Django框架构建业务逻辑与数据接口，通过django-simpleui快速生成后台管理界面，选用MySQL数据库存储商品、用户、订单等核心数据。前端基于Node.js环境，采用Vue3框架结合Element Plus组件库开发交互界面，使用Tailwind CSS进行样式布局与响应式设计，Vite作为构建工具提升开发效率，TypeScript增强代码可维护性与类型安全。数据采集层面，运用Python的Scrapy爬虫框架与requests库，配合XPath技术解析目标网页结构，实现电商平台商品数据的定向采集、清洗与结构化存储。推荐算法采用协同过滤技术，通过分析用户历史行为数据生成个性化推荐列表。

二、功能模块详细介绍
· 系统首页
首页以商品列表形式呈现，顶部设置搜索框支持用户输入关键词查找目标商品。左侧提供商品分类筛选区域，用户可按商品类别、品牌、价格区间等多维度快速筛选。列表上方集成排序功能，支持按价格高低、销量多少、上架时间先后等条件对商品进行动态排序。首页主体区域以卡片形式展示商品，包含商品主图、名称、价格、销量等核心信息，同时设置个性化推荐入口，引导用户进入专属推荐模块获取更多感兴趣商品。

· 商品详情页
详情页完整展示商品各项信息，顶部为商品轮播图区域展示多角度实物图片。核心参数区域展示价格、库存、品牌、规格、材质等详细信息。页面中部提供图文详情介绍，以富文本形式展示商品详细描述、功能特点及使用说明。下方设置用户评价板块，展示已购用户的评分分布、文字评论及追评内容，为其他用户购买决策提供参考依据。右侧悬浮操作区域包含购买数量调整控件、加入购物车按钮及立即购买按钮，同时展示基于协同过滤算法生成的相似商品推荐列表，帮助用户发现更多关联商品。

· 购物车功能
购物车页面以列表形式清晰展示用户已加入的商品条目，每个条目包含商品图片、名称、单价、购买数量调整控件及当前小计金额。列表底部实时统计并展示购物车内商品总金额，同时设置清空购物车按钮与立即购买按钮。用户可在该页面直接调整商品数量，系统自动重新计算并更新总价。选择立即购买后跳转至订单确认页面，用户需完成收货地址选择、填写留言信息并选择支付方式，最终确认并生成订单。

· 推荐模块
推荐模块以“为你推荐”板块形式呈现，基于协同过滤算法生成个性化商品列表。系统后台持续收集用户浏览历史、收藏记录、购买行为及评价反馈等数据，通过余弦相似度计算用户间偏好相似程度，筛选相似用户群体关注的高兴趣商品，同时结合商品关联度分析挖掘潜在购买意向。推荐列表包含商品主图、名称、价格及匹配度标注，便于用户直观了解推荐依据。模块支持分页加载功能，用户可向下滑动浏览更多推荐内容。

· 后台数据管理
后台管理界面通过django-simpleui构建，左侧设置功能导航菜单，包含商品管理、用户管理、订单管理及数据统计等核心模块。商品管理页面提供商品列表展示、分类筛选、关键词搜索、批量上下架及编辑删除等操作功能。用户管理模块支持查看注册用户详细信息、修改用户权限状态及禁用异常账号。订单管理页面可查询所有订单当前状态、处理退款申请及更新物流跟踪信息。数据统计模块以图表形式直观展示平台销售趋势、用户增长曲线及热门商品排行榜。

· 注册登录
登录页面包含用户名输入框、密码输入框、登录按钮及注册引导链接。用户输入正确凭证后可成功登录系统，未注册用户可通过注册引导链接进入注册页面。注册页面收集用户名、密码、手机号等必要信息，完成信息填写并提交后自动创建账户并登录系统。系统对用户密码进行加密存储处理，保障用户账户信息安全。

三、项目总结
本项目设计并实现了一个基于协同过滤算法的智能推荐电商平台，通过前后端分离架构整合Django与Vue3技术栈，配合Scrapy爬虫构建商品数据基础，完整覆盖从数据采集、个性化推荐、购物交易到后台管理的业务闭环。协同过滤算法的应用有效提升商品推荐的精准程度，解决用户在大量商品中难以发现兴趣商品的现实痛点。系统功能涵盖商品浏览检索、购物车管理、订单处理及后台数据维护，满足电商平台核心业务需求。该项目不仅为用户提供便捷高效的购物体验，也为平台运营提供数据驱动的决策支持，同时其企业级技术栈配置使其具备良好的学习参考价值与实践应用意义。

4、核心代码

from .models import *
import json
from django.http.response import HttpResponse
from django.shortcuts import render
from django.http import JsonResponse
from datetime import datetime, time
from django.core.paginator import Paginator
from django.db.models import Q
import simplejson
from collections import Counter
from pyecharts import options as opts
from pyecharts.globals import ThemeType
from pyecharts.charts import Map, Grid, Bar, Line, Pie, TreeMap, WordCloud
from pyecharts.faker import Faker
from pyecharts.commons.utils import JsCode
from pyecharts.options.charts_options import MapItem
from django.db.models import Q, Count, Avg, Min, Max
from pyecharts.globals import SymbolType
from .recommend import collaborative_filtering_recommend


def to_dict(l, exclude=tuple()):
    # 将数据库模型 变为 字典数据 的工具类函数
    def transform(v):
        if isinstance(v, datetime):
            return v.strftime("%Y-%m-%d %H:%M:%S")
        return v

    def _todict(obj):
        j = {
            k: transform(v)
            for k, v in obj.__dict__.items()
            if not k.startswith("_") and k not in exclude
        }
        return j

    return [_todict(i) for i in l]


def get_list(request):
    # 商品列表
    body = request.json
    pagesize = body.get("pagesize", 10)
    page = body.get("page", 1)
    orderby = body.get("orderby", "-id")
    notin = ["pagesize", "page", "total", "cateName", "orderby", "id__ne"]
    query = {
        k: v for k, v in body.items() if k not in notin and (v != "" and v is not None)
    }
    q = Q(**query)
    objs = Product.objects.filter(q).order_by(orderby)
    if body.get("id__ne"):
        objs = objs.exclude(id=body["id__ne"])
    breadcrumb = []
    for i in range(1, 4):
        cat = query.get(f"cat{i}")
        if cat:
            breadcrumb.append(cat)
    cateNames = []
    if not query.get("cat1"):
        cateNames = [
            i[0] for i in Product.objects.filter(q).values_list("cat1").distinct()
        ]
    elif not query.get("cat2"):
        cateNames = [
            i[0] for i in Product.objects.filter(q).values_list("cat2").distinct()
        ]
    elif not query.get("cat3"):
        cateNames = [
            i[0] for i in Product.objects.filter(q).values_list("cat3").distinct()
        ]
    paginator = Paginator(objs, pagesize)
    pg = paginator.page(page)
    result = to_dict(pg.object_list)
    return JsonResponse(
        {
            "total": paginator.count,
            "result": result,
            "cateNames": cateNames,
            "breadcrumb": breadcrumb,
        }
    )


def get_detail(request):
    # 商品详情
    body = request.json
    id = body.get("id")
    o = Product.objects.get(pk=id)
    his = (
        ProductHistory.objects.filter(userId=request.user.id)
        .order_by("-createTime")
        .first()
    )
    if not (his and his.productId == o.id):
        ProductHistory(userId=request.user.id, productId=o.id).save()
    return JsonResponse(to_dict([o])[0])


def history_recommand(request):
    topK = 9
    try:
        produces = collaborative_filtering_recommend(request.user.id, topK)
    except:
        productIds = (
            ProductHistory.objects.filter(userId=request.user.id)
            .values_list("productId")
            .order_by("-id")
            .distinct()
        )[:5]
        produces = []
        # 根据历史查看记录推荐
        if productIds:
            productIds = [i[0] for i in productIds]
            cates = [
                i[0]
                for i in Product.objects.filter(id__in=productIds).values_list("cat3")
            ]
            most_common_cates = list(dict(Counter(cates).most_common(2)).keys())
            produces = Product.objects.filter(cat3__in=most_common_cates).order_by("?")[
                :topK
            ]
        # 没有记录则随机推荐
        else:
            produces = Product.objects.order_by("?")[:topK]
    return JsonResponse(to_dict(produces), safe=False)


def make_order(request):
    # 新增订单
    data = request.json
    o = Order.objects.create(
        userId=request.user.id,
        name=data.get("name"),
        phone=data.get("phone"),
        address=data.get("address"),
        remark=data.get("remark"),
        price=float(data.get("price")),
        total=int(data.get("total")),
        products=json.loads(data.get("products")),
    )
    return JsonResponse({"ok": o.id})


def order_list(request):
    # 订单列表
    data = request.json
    not_q = ("total", "page", "pagesize", "orderby")
    pagesize = data.get("pagesize", 12)
    page = data.get("page", 1)
    orderby = data.get("orderby", "-id")
    params = {k: v for k, v in data.items() if k not in not_q and v}
    params_q = Q(userId=request.user.id)
    for item in params.items():
        params_q &= Q(**dict([item]))
    objs = Order.objects.filter(params_q).order_by(orderby).all()
    pg = Paginator(objs, pagesize)
    page = pg.page(page)
    object_list = page.object_list
    for i in object_list:
        products = eval(i.products)
        i.products = eval(i.products)
        # 取出订单包括的所有商品
        i.product_list = to_dict(Product.objects.filter(id__in=list(products.keys())))
    return JsonResponse({"total": pg.count, "result": to_dict(object_list)})

5、源码获取方式

🍅由于篇幅限制，获取完整文章或源码、代做项目的，查看我的【用户名】、【专栏名称】、【顶部选题链接】就可以找到我啦🍅

感兴趣的可以先收藏起来，点赞、关注不迷路，下方查看👇🏻获取联系方式👇🏻