目录
摘 要 III
ABSTRACT IV
1 绪论 1
1．1 研究背景及意义 1
1．2 国内外研究现状 1
1．3 本文工作 2
2 相关技术及理论 2
2．1 网站搭建技术 2
2．1．1 python 3
2．1．2 web框架flask 3
2．1．2 数据库技术 3
2．2 爬虫技术 3
2．2．1 爬取流程 3
2．2．2 selenium库 3
2．2．3 requests库 4
2．2．4 pandas库 4
2．3 推荐算法 4
2．4 二维码技术 5
3 系统设计 6
3．1 需求分析 6
3．1．1 业务流程 6
3．1．2 功能分析 7
3．2 软件体系结构设计 8
3．2．1 功能结构 8
3．2．2 系统架构 9
3．3 数据库设计 10
3．3．1 ER图 10
3．3．2 用户购物车表 11
3．3．3 用户收藏表 12
3．3．4 用户评论表 12
3．3．5 商品分类表 12
3．3．6 用户订单详细记录表 13
3．3．7 用户订单主记录信息表 13
3．3．8 产品信息表 14
3．3．9 用户信息表 15
3．4 对象设计 15
4 系统实现 16
4．1 核心功能实现 16
4．2 推荐功能实现 20
4．3 爬虫爬取商品数据实现 20
5 系统测试 20
5．1 功能测试 20
5．1．1 买家下单测试案例 20
5．1．2 卖家上传商品测试案例 21
5．2 测试总结 22
6 总 *51今日免费论文网|www.51jrft.com +Q: ￥351916072￥ 
结 22
致谢 23
参考文献 23
基于推荐算法的跳蚤市场交易平台
摘 要
随着互联网的迅速发展，电子商务作为一种新兴的商务活动流行起来。庞大网购人群的购买需求刺激了网络平台商品量激增。在海量商品信息的冲击下，用户迷失其间，难以购买到符合自己需求的商品。智能推荐系统就可以改善这一情况。推荐系统就像一位拥有庞大数据库的私人定制导购，智能化地向用户推荐商品，辅助用户完成购买过程。电子商务推荐系统具有极高的商业实用价值，受到广泛关注。
本课题基于协同过滤的推荐算法，制作了一个跳蚤市场交易平台web应用系统。本系统技术上使用python的web框架flask，表示层、业务层由flask实现，其后端业务层的用户管理和商品购买，直接在flask框架中编写python代码来实现业务逻辑。前端UI展示和交互采用HTML和JavaScript语言实现。数据层使用python的第三方库dataset和pymysql实现数据库交互连接。商品推荐是使用python实现协同过滤算法之基于用户的推荐算法来进行推荐运算。本系统包含个人中心模块、商品模块、购物车模块、订单模块、推荐系统模块等主要模块。
经过一系列操作案例的测试，本系统功能完好，达到预期效果，可以带给用户稳定可靠的服务。
引言
二、买家选择自己喜欢的商品，填写商品数量加入至购物车内。
三、买家填写订单的地址以及联系方式，确认订单信息。
四、卖家发送货物给买家。
五、买家收到货物，在平台内确认已经收到货物。
六、买家依据货物的品质对商品进行评价。
3．1．2 功能分析

图31 用例图
Figure 31 use case diagram
用户分为普通用户（买家）和管理员（卖家）。
买家可以进行注册、登录、搜索产品、管理购物车、编辑个人中心等操作。浏览产品后，买家可以对相应产品进行收藏、加购和评价。在购物车页面中，买家可以购买商品。在个人中心中，买家可以管理自己的收藏、评论和订单。
卖家可以在个人中心管理交易平台系统，包括商品管理，商品分类、订单管理和用户管理。
3．2 软件体系结构设计
3．2．1 功能结构
基于推荐算法的跳蚤市场交易平台依据其特有的业务特点主要将其功能分为以下五个模块：
1、个人中心模块
可以查找个人订单、个人收藏、评价等操作。
2、商品模块
对商品可以执行查询、收藏、加购、评价等操作，入库的商品自动生成二维码。
3、购物车模块
对购物车内的商品可以执行购买和删除出购物车等操作。
4、订单
可以查看历史订单，对下单物品进行确认收货等操作。
5、推荐系统
基于用户的协同过滤推荐算法。


图32 功能架构图
Figure 32 functional architecture
3．2．2 系统架构
根据业务的特点将系统划分为以下四个模块：

原文链接：http://www.jxszl.com/jsj/wljs/606899.html