基于深度学习和协同过滤算法的美妆商品推荐系统

本系统是一个基于深度学习和协同过滤算法的美妆商品推荐系统，通过用户行为分析、协同过滤和深度学习神经网络等技术，为用户提供个性化商品推荐服务。系统采用前后端分离架构，包含完整的用户管理、商品管理、订单管理和智能推荐功能模块，通过混合推荐算法实现商品精准匹配，有效提升用户购物体验和商品转化率。

一、核心功能

• 用户注册登录：支持用户注册、登录、JWT身份认证和权限管理
• 商品浏览：商品列表浏览、商品详情查看、商品搜索、分类筛选、价格筛选
• 个性化推荐：基于协同过滤的个性化推荐、基于深度学习的评分预测、混合推荐策略
• 商品收藏：商品收藏、收藏列表管理、收藏状态查询
• 订单管理：模拟购买、订单创建、订单历史查询、订单状态管理
• 商品评价：购买后评价、评分管理、评论展示、评价权限控制
• 个人中心：个人信息管理、密码修改、邮箱修改、个人数据统计
• 管理员后台：用户管理、商品管理、订单管理、数据统计可视化、推荐模型训练
• 数据可视化：订单趋势分析、收入趋势分析、商品分类分布、价格区间分布、用户增长趋势
• 文件上传：商品图片上传、图片管理、本地存储

二、核心技术栈

• 后端框架：Flask
• 数据持久化：SQLAlchemy
• 数据库：MySQL
• 身份认证：JWT
• 推荐算法：TensorFlow、Keras、scikit-learn
• 前端框架：Vue
• UI组件：Element Plus
• 状态管理：Pinia
• 路由管理：Vue Router
• 数据可视化：ECharts

三、项目亮点

1. 混合推荐算法：结合协同过滤（基于用户和物品相似度）和深度学习模型（用户商品嵌入+多层神经网络），采用协同过滤生成候选集、深度学习模型排序的两阶段策略，有效提升推荐准确度和多样性。

2. 深度学习推荐模型：构建用户和商品嵌入层（50维），通过3层全连接神经网络（128→64→32）和Dropout正则化，实现用户-商品交互的深度特征学习，支持评分预测和个性化排序。

3. 完整电商业务闭环：涵盖用户注册、商品浏览、智能推荐、商品收藏、模拟购买、订单管理、商品评价全流程，形成完整的电商推荐生态，支持用户行为数据收集和反馈优化。

4. 前后端分离架构：采用RESTful API设计，前后端完全解耦，支持独立开发和部署，便于扩展和维护，API接口标准化设计，支持跨平台调用。

5. 数据可视化分析：集成ECharts图表库，实现订单趋势、收入趋势、商品分类分布、价格区间分布、用户增长趋势等多维度数据可视化，支持管理员进行数据分析和决策。

6. 推荐算法可扩展：推荐服务采用模块化设计，支持协同过滤、深度学习、混合策略等多种算法灵活切换，支持模型在线训练和参数调优，便于后续算法升级和性能优化。

---

项目包含完整前后端源码、数据库文件、项目说明文档，适用于本科研究生设计、学习交流使用，项目为个人原创，禁止商用！