基于协同过滤算法的美妆商品推荐系统

一、项目简介

美妆商品推荐系统是一套面向美妆电商场景的前后端分离平台。后端采用 Flask、Flask-SQLAlchemy、MySQL、JWT、scikit-learn 与 TensorFlow，前端采用 Vue 3、Element Plus、Pinia 和 Vue Router；系统围绕美妆商品、用户行为、收藏、订单和推荐模型构建个性化商品推荐服务。

项目后端核心文件包括应用入口 app.py、数据模型 models.py、推荐算法 recommendation.py、配置 config.py 与初始化脚本 init_data.py。前端分为用户布局和管理员布局，实际包含商品、商品详情、收藏、订单、个人中心及后台商品、用户、订单、看板页面。

二、系统功能

1.1 用户端功能

注册登录与身份认证

用户可注册和登录平台。后端通过 Flask-JWT-Extended 为登录用户生成令牌，受保护的收藏、订单和个人资料等接口仅允许登录用户访问。

商品浏览、检索与详情查看

用户可在商品列表浏览美妆商品，并根据名称、分类或相关条件检索目标商品。Products.vue 和 ProductDetail.vue 分别用于列表和详情展示，商品详情关联商品基础资料、评论或互动信息。

个性化推荐

系统由 recommendation.py 提供推荐服务，结合用户、商品、收藏或订单等行为数据生成推荐结果。项目同时具备协同过滤、数据处理和深度学习模型依赖，可用于生成候选商品并完成个性化排序。

收藏与订单管理

用户可将感兴趣的商品加入收藏，在 Favorites.vue 中集中查看和管理；用户可完成模拟购买并在 Orders.vue 查看个人订单记录和订单详情。

个人中心

用户可在 Profile.vue 维护个人资料，查看与个人账号相关的商品收藏、订单和推荐内容。

1.2 管理员端功能

数据看板

管理员可在 Dashboard.vue 查看用户、商品、订单等运营数据概览，为商品运营和推荐模型维护提供数据参考。

用户、商品与订单管理

管理员可通过 Users.vue、Products.vue、Orders.vue 分别维护用户资料、商品数据与订单记录。商品管理支持新增、编辑、删除和查询等基础运营操作。

三、技术栈

层级	技术	说明
后端	Python、Flask、Flask-CORS	API 服务与跨域支持
数据访问	Flask-SQLAlchemy、PyMySQL	ORM 与 MySQL 连接
身份认证	Flask-JWT-Extended	JWT 登录鉴权
数据处理	Pandas、NumPy、scikit-learn	推荐数据处理与相似度计算
深度学习	TensorFlow、Keras	推荐模型训练与预测
前端	Vue 3、Element Plus、Pinia、Vue Router、Axios	用户端与后台管理端
数据库	MySQL	用户、商品、收藏、评论和订单数据存储

四、项目结构

c113/
├── backend/
│   ├── app.py                       # Flask 应用入口与接口注册
│   ├── models.py                    # 用户、商品、收藏、订单等数据模型
│   ├── recommendation.py            # 推荐算法与推荐服务
│   ├── config.py                    # 数据库、JWT 等配置
│   ├── init_data.py                 # 初始化数据脚本
│   └── requirements.txt             # 后端依赖
├── frontend/src/
│   ├── layouts/
│   │   ├── UserLayout.vue           # 用户端布局
│   │   └── AdminLayout.vue          # 管理端布局
│   ├── views/
│   │   ├── user/                    # 首页、商品、详情、收藏、订单、个人中心
│   │   └── admin/                   # 看板、商品、用户和订单管理
│   ├── router/index.js              # 路由配置
│   └── main.js                      # 前端入口
├── data/                            # 商品与评论数据文件
└── README.md

五、环境要求

Python 3.8+
MySQL 5.7+
Node.js 16+
pip、npm

六、数据库初始化

创建 beauty_recommendation 数据库，并在 backend/config.py 或环境配置中修改本机数据源连接。随后执行初始化脚本写入商品和业务基础数据。

cd backend
python init_data.py

七、后端启动

cd backend
pip install -r requirements.txt
python app.py

八、前端启动

cd frontend
npm install
npm run serve

九、默认账号

项目未提供可确认的默认账号，请以 init_data.py 写入的初始化数据为准。

十、业务流程说明

9.1 用户推荐与购买流程

用户注册登录后浏览商品、查看详情、收藏商品或提交模拟订单。系统保存用户与商品之间的行为数据，推荐模块读取这些数据并计算候选商品，前端首页或商品页面向用户展示个性化推荐结果。

用户可继续将推荐商品加入收藏或购买，新增行为会成为后续推荐数据的一部分，使浏览、收藏、订单和推荐形成连续闭环。

9.2 商品与模型运营流程

管理员在后台维护商品、用户和订单基础数据。初始化脚本或已有业务数据为推荐算法提供训练与计算基础；管理员查看看板数据后可根据商品和用户行为情况调整运营内容，并更新推荐相关数据或模型。

十一、交付内容

项目完整源码，包含 Flask 后端、Vue 前端和推荐模块代码。
商品与评论数据、数据库初始化脚本及配置文件。
项目说明文档，包含功能说明、运行环境、初始化和启动步骤。

本项目为个人原创，结构清晰，功能完整，适合课程设计、毕业设计和个人学习使用。如需购买项目成品或定制化需求可以联系作者。