基于协同过滤算法的动漫推荐系统设计与实现原文

本科毕业设计(论文)

外文文献原文和译文

2023年04月

基于协同过滤的网上商城的设计与实现

Wu Y

摘要：随着科学技术的飞速发展，特别是互联网的飞速进步，电子商务行业迎来了前所未有的发展机遇。然而，现有的电子商务平台在用户体验和功能方面仍面临诸多挑战。推荐系统缺乏准确性、产品描述不一致以及用户评论不可靠等问题依然存在。本文设计并实现了一个基于Spring Boot和Vue框架的在线购物中心系统。我们的目标是通过先进的信息技术和优化算法来提升用户体验。该系统使用Java语言开发，其架构被精心划分为过滤/拦截层、控制器层、服务层和道层。这种分层方法确保了系统的效率和可维护性。协同过滤算法的引入显著提高了产品推荐的准确性，从而提供了个性化服务，增强了用户的购物体验。此外，动态更新的敏感词过滤机制可保护评论区的健康环境，并促进用户信任。实验结果表明，该系统在功能和性能方面达到了预期目标。本研究为未来电子商务平台的发展提供了宝贵的见解和参考。

关键词：Spring Boot、购物中心系统、协同过滤、敏感词过滤、电子商务平台

1.导言

随着信息技术的快速发展，电子商务已成为21世纪的主导商业模式，推动了经济的显著增长。然而，尽管其被广泛采用，现有的电子商务平台仍在努力应对与用户体验和功能相关的众多挑战。用户经常遇到不相关的产品建议，因此很难有效地找到满足他们需求的高质量产品。此外，产品推荐系统的不准确性进一步降低了购物体验。产品描述的差异和质量问题也给电子商务平台带来了重大问题。消费者难以获得真实的用户反馈，导致购物过程中缺乏信任和可靠性。这些问题不仅破坏了用户的购物体验，还对电子商务平台的声誉和发展构成了重大挑战。

为了解决这些问题，必须采用先进的技术架构和优化算法。Spring Boot和Vue框架在电子商务平台的开发中具有显著的优势，简化了开发过程，同时提高了系统的稳定性和响应性。协同过滤算法的集成可以显著提高产品推荐的准确性，为用户提供个性化、精准的产品推荐服务。在用户体验方面，电子商务平台必须优先考虑直观的界面设计和操作便利性，通过技术优化和用户研究提高用户满意度。引入历史回顾模块可以增强用户对平台的信任，提供有价值的参考信息，并促进更明智的购买决策。评论部分不仅帮助买家评估产品质量，还降低了退货率，提高了用户参与度和满意度，并为平台提供了宝贵的反馈和改进建议。

2.相关工作

许多研究和实际应用为电子商务系统的设计和开发提供了宝贵的见解和方法。Suryotrisongko等人[1]探索了使用微服务架构和Spring Boot为公共投诉系统设计和开发后端应用程序，为电子商务系统提供了灵活高效的技术框架。Herrero等人[2]研究了市场导向和社交网络服务（SNS）在营销酒店微型企业中的应用，揭示了SNS在提升客户体验和营销效果方面的潜力。Roelofsen和Minca[3]探讨了Airbnb平台上“超级老板”、家庭和社区建设的生物政治，为理解电子商务平台上的信任提供了机会，并为电子商务平台的信任和社区建设奠定了理论基础。

肖卓宇[4]设计并实现了一个基于设计模式的电子商务商店，提出了一种提高系统可维护性和可扩展性的有效方法。李的研究[5]详细介绍了电子商城系统的设计和实现过程，提供了一个全面的解决方案框架。徐世川[6]重点研究了电子商务系统中订单模块和秒模块的设计和实施，提出了一种技术解决方案，以满足高并发和高可用性的需求。刘金生[7]设计并实现了一个基于SSH框架的校园电子商务平台，展示了系统开发在特定场景中的实际应用。耿庆阳的研究[8]将Spring Boot与Vue框架相结合，开发了一个电子商城系统，强调了前端和后端分离架构的好处。孙红潘[9]在Spring Boot和Vue框架上进一步设计和实现了一个Youwei通信社区，展示了社区功能在电子商务平台中的应用和实现。

傅鹤刚和王竹伟[10]改进了基于项目的协同过滤推荐系统，提出了一种更准确的推荐算法，这对电子商务平台的个性化服务至关重要。李晨[11]结合Spring Boot技术详细描述了电子商务系统的设计和实现，为电子商务系统开发提供了当代案例研究。

该项目致力于利用最新技术设计一个在线购物中心。它使用Spring Boot和Vue框架结合JAVA语言开发，旨在通过先进的信息技术和优化算法来增强用户体验。具体而言，引入协同过滤算法来提高产品推荐的准确性，提供个性化服务，提升用户的购物体验。

3.方法

3.1系统开发环境及实现架构

表1显示了用于确保开发过程稳定性的简单环境配置。

表1 系统开发环境

购物中心系统主要是用Java开发的，利用了Spring Boot和Vue框架。在项目建设过程中，系统的后端架构被精心划分为四个关键层：过滤/拦截层、控制器层、服务层和道层，并通过映射器实现封装。

首先，正确的请求被路由到控制器层，该层充当过程控制的中心。它将请求定向到适当的业务模块进行处理。控制器层之下是服务层，封装了系统的特定业务逻辑。根据各种业务需求，控制器层调用相应的服务来处理业务逻辑。最后，Dao层负责数据库操作。服务层通过调用Dao层的操作与数据库交互来实现业务逻辑，从而启用查询和修改功能。这种架构层次设计不仅确保了职责的明确分离，还优化了数据流和处理，从而保证了系统开发的效率和可维护性。

3.2动态更新敏感词过滤机制

电子商务平台评论区的健康和适当性对用户体验和商店形象至关重要。建立有效且动态更新的敏感词过滤机制是维护积极评论环境的关键。该机制在系统架构中起着至关重要的内容审查作用，通过对敏感词数据库的持续更新，结合自然语言处理技术，实现了对评论内容的实时监控和过滤。这种机制有效地遏制了恶意信息和不当评论的传播，保障了用户在平台上的安全感和舒适感，提高了商店形象和用户忠诚度。

该机制通过以下详细步骤履行其关键内容审查职责：

配置文件建立：为了有效地管理敏感词，必须建立配置文件。配置文件的选择取决于项目的大小。对于小型项目，一个简单的文本文档或JSON文件就足够了；对于处理大量数据的大型项目，数据库表是管理敏感词所必需的。此外，配置文件应该是一个灵活的敏感词数据库，能够适应网络环境和内容审查要求的变化。由于本文研究的项目是一个小型购物中心，因此使用文本文档进行配置。

读取和加载敏感单词列表：应用程序启动时，系统从配置文件读取敏感单词列表并将其加载到内存中。这一步至关重要，因为访问内存比从硬盘或数据库检索数据快得多。这种增强显著提高了系统的响应能力和效率，特别是在高并发环境中。

评论内容的实时监控与处理

在用户提交评论之前，系统必须将评论的内容与存储在内存中的敏感单词列表进行比较。此过程必须实时进行，以确保立即识别和解决不适当的内容。通过将潜在的敏感词与文本文档中包含的敏感词数据库进行交叉引用，并利用字符串轮转匹配来提高识别的准确性和效率，可以迅速检测到这些敏感词。在检测到评论中的敏感词后，系统将立即采取行动，用符号***替换它们，从而确保用户界面内容的安全性和适当性。

实时处理结果

处理后的评论应及时返回给用户并存储在数据库中，以确认用户界面内容已被系统审查。这需要系统能够实时响应，更新评论内容和相应的处理结果。这确保了用户不会接触到未经过滤的敏感信息。

更新敏感单词配置

敏感的词环境是动态的，新的不恰当的语言表达随时可能出现。因此，持续更新和调整敏感词过滤机制以保持其有效性和适用性至关重要。应定期审查和修改配置文件，并将这些更新重新加载到系统中，以确保敏感词过滤机制能够适应网络环境和内容审查要求的变化。

3.3产品推荐算法的设计与实现

协同过滤推荐算法是推荐系统研究和实际应用领域的一项关键技术，具有广泛的应用背景和理论价值。它主要通过模仿人们在日常生活中寻求朋友意见或选择他们喜欢的产品的自然倾向来进行智能推荐。有两种类型的协同过滤算法：基于用户的协同过滤（UBCF）和基于项目的协作过滤（IBCF）。尽管实施方式不同，但这两种策略都试图通过揭示数据中的模式来提高建议的准确性和个性化。在这个项目中，采用了基于用户的协同过滤。

基于用户的协同过滤（UBCF）算法侧重于分析和计算用户之间的相似性。它通过比较不同用户对项目的评分或行为模式来寻找相似的用户群体。例如，当系统需要向特定用户推荐产品时，它会识别行为模式最接近该用户的其他用户，然后推荐这些类似用户喜欢但目标用户尚未遇到的项目。

基于用户的协同过滤的核心原则是基于用户之间的相似性进行产品推荐。这种方法的基本假设是，具有可比购买历史或评级行为的用户对其他未知产品有相似的偏好。这种相似性通常是通过比较用户对产品的评分来计算的，将评分视为向量，并通过计算向量之间的相似性来确定具有相似偏好的用户组。

实现此推荐机制的步骤从收集和分析用户的评级数据并将其转换为评级向量开始。随后，系统使用Pearson相关系数计算不同用户之间的相似性。一旦确定了类似的用户，他们就会被指定为目标用户的“最近邻居”。根据“最近邻”的评级和偏好，该系统预测目标用户对他们尚未遇到的产品的潜在偏好。预测通常是通过对邻居的评分进行加权来实现的，权重由邻居的相似性决定。最终，该系统向目标用户推荐具有更高预测评级的产品，旨在提高用户满意度和系统使用频率。

如图1所示，假设用户a和用户c已经表达了对几种产品的偏好，其中用户a更喜欢产品a和c，用户c更喜欢产品B、c和D。基于此，通过分析他们的偏好模式，可以看出用户a和使用者c具有高度的相似性。基于这一发现，推荐系统推断用户a也可能对产品D感兴趣，即使他事先没有明确表示偏好。因此，系统向用户a提供产品D作为推荐。

图1 基于用户的协同过滤算法示意图

Pearson相关系数是衡量两个变量之间线性相关性的统计量，常用于协同过滤算法。该系数的值范围为-1到1，其中1表示完全正相关，-1表示完全负相关，0表示没有线性关系。Pearson相关系数可用于衡量协同过滤算法中用户评分的相似性。公式如下。

4.结果和讨论

注册模块访客需要通过账号和密码注册成为商城的正式用户，才能拥有购买商品、查看订单等正式权利。访客注册用户后，首先需要进入注册界面，填写账号、密码后，确认密码，选择成为商城的正式用户。注册完成后，信息将添加到官方用户资料中。如果数据库中已经有一个同名用户无法注册，它将提示他/她已经注册，并要求用户再次更改。具体注册流程见图2。

图2 注册模块流程图

登录模块：点击商城主页上的登录按钮后，用户将进入登录界面，填写个人账号和密码，并选择个人角色；如果账户信息正确，他们可以进行后续操作。如果帐户不存在或帐户密码错误，系统将在相应页面上提示错误原因，并引导用户重新填写信息。登录模块的流程图如图3所示。

图3 登录模块流程图

用户在产品详情页面浏览完所需产品后，添加到购物车中，可以选择修改购物车中的产品数量等操作。用户确认购物车中的商品后，填写个人收货地址，点击结账按钮，即可生成订单。如图4所示为购物车模块的流程图。

图4购物车模块流程图

例如，图5显示了基于用户购买过程的特定购物车添加功能的实现类型。

图5 添加购物车实现类图

CartController类与CartService接口类直接关联，其中CartControler类包括七个方法，包括add（）、deleteById（）、delete Batch（）、updateById（”）、selectById（“）、selectAll（”）和selectPage（“）以及其他七个方法。并且在CartService接口类中反映了相关的业务逻辑。

图6 添加购物车时间表

如图6所示的时序图所示，当向购物车添加商品时，用户首先从前端发起请求，该请求经过过滤并传递给CartController控制器。过滤器中提供的接口地址用于查找add方法，然后使用CartMapper中的selectByUserIdAndGoodsId方法获取产品信息。系统将检查用户是否在购物车前添加了商品，如果有记录，则只更新商品编号（+1）；如果没有记录，直接在CartMapper中调用insert方法将商品添加到购物车中。删除购物车的业务逻辑类似于添加购物车。首先，您需要检索用户的购物车信息，根据用户编号删除购物车，同时清除用户购物车缓存信息。查找相应的购物车记录，删除相应的商品信息，通过用户号、商品号等方式查询购物车表。管理后台模块有用户管理、商品管理、订单管理等模块。用户管理的主要功能包括三个部分：官方用户管理、管理员管理和商家管理。正式用户管理包括正式用户信息的添加、删除、检查和修改。通过用户编号，可以在正式用户表中检查和修改正式用户管理家庭详细信息。管理员管理流程与正式用户的实现既有相似之处，也有不同之处，都是基于数据库通过编号进行查询和修改的操作。在商户管理部分，首先通过门店号查询后台门店信息表，通过前端渲染显示返回所有门店信息的LIST结构。并且可以通过店铺信息表中的店铺号进行查询、修改或删除。

商品维护和管理的主要功能包括商品类别管理和评估管理：后端可以查询数据库中的商品类别，结果可以通过树结构的前端封装进行处理，并显示在商城的主页上。管理员可以在后台管理和查看现有的产品类别。评估管理主要包括查看和删除评论。所有商品的评估结果返回给前端，后端根据商品编号进行查询，管理员和商家将进行检查。订单管理主要功能由几个部分组成：订单查看、订单发货、订单撤销等。其具体实现方法如图7所示。

图7 订单管理实施类图

6中的OrdersController类是用于订单管理的控制器类，它直接与包含多个方法的多接口类相关联。该类的属性包括add（）、deleteById（）、delete Batch（）、updateById（”）、selectById（“）、selectAll（”“）、select Page（“）等方法，用于实现查询、修改和删除订单的功能。

此外，接口类与其实现类（如OrderService、AdminService、BusinessService和UserService）之间的关系如图8所示。此外，在与数据库交互时，数据库操作类中的方法，如OrdersMapper、CartMapper等，用于查询、删除和修改数据库中的相应表并执行新操作。

图8 订单查看时序图

在图8的时序图中，在这种方法中，selectpage方法用于调用OrderService接口类中的View Order List接口来执行订单分页查询。随后，调用getCurrentUser方法获取当前登录用户的信息，然后调用数据库操作类OrdersMapper。或者dersMapper包含数据库查询、添加、删除和修改，并在查询完成后将结果逐层返回给用户。此功能有权取消用户因恶意刷单或促销等原因导致的错误订单。管理员有权取消用户的订单。此函数按订单号查询订单，并执行UPDATE操作以修改订单状态。

5.结论

该电子商务平台开发了综合商城和社区功能，主要包括商品管理、社区功能和交易管理模块。商品管理模块涵盖了商品的上传、下载和编辑功能，使用户可以方便地浏览和购买商品。交易管理模块实现在线订单管理、结算和商户推广服务，为用户提供便捷的购物体验。基于用户的协同过滤推荐算法通过构建用户偏好模型和计算用户相似度，智能地改善了购物体验。利用购买行为数据分析相似的用户需求和行为，实现个性化产品推荐，以提高满意度和体验。用户行为权重和相似度计算的规范化处理确保了推荐的公平性和准确可靠的推荐结果。该方法提高了模型的稳定性和可解释性，提高了推荐系统的可信度和用户满意度。社区模块的优化是改善用户体验和平台活动的关键。评论区功能模块致力于促进用户之间以及用户与商家之间的沟通和体验共享，提供购物参考，增强用户粘性和互动性。未来，可以加强社区功能，如发起话题讨论、用户评价等功能，进一步促进用户之间的沟通和互动。

参考文献：

[1] Suryotrisongko, H., Jayanto, D. P., & Tjahyanto, A. (2017). Design and Development of Backend Application for Public Complaint Systems Using Microservice Spring Boot. Procedia Computer Science, 124, 736-743.

[2] Herrero, A., San Martín, H., & Collado, J. (2018). Market orientation and SNS adoption for marketing purposes in hospitality microenterprises. Journal of Hospitality and Tourism Management, 34, 30-40.

[3] Roelofsen, M., & Minca, C. (2018). The Superhost: Biopolitics, Home and Community in the Airbnb Dream-World of Global Hospitality. Geoforum, 91, 170-181.

[4] Xiao, Z. (2016). Design and Implementation of E-commerce Mall Based on Design Pattern. Computer Knowledge and Technology, 12(32), 285-289.

[5] Li, X. (2013). Design and Implementation of E-commerce Mall System. Master's thesis, University of Electronic Science and Technology of China.

[6] Xu, S. (2018). Design and Implementation of Order Module and Spike Module in E-commerce Mall System. Master's thesis, Nanjing University.

[7] Liu, J. (2017). Design and Implementation of Campus E-commerce Mall Based on SSH. Master's thesis, Inner Mongolia University.

[8] Geng, Q. (2020). Design and Implementation of E-commerce Mall Based on Spring Boot and Vue. Master's thesis, Xi'an Shiyou University. DOI: 10.27400/d.cnki.gxasc.2020.000569.

[9] Sun, H. (2022). Design and Implementation of Youwei Communication Community Based on SpringBoot and Vue. Master's thesis, Chongqing University. DOI: 10.27670/d.cnki.gcqdu.2022.001430.

[10] Fu, H., & Wang, Z. (2010). Improvement of Collaborative Filtering Recommendation System Based on Project. Journal of Chongqing University of Technology (Natural Science Edition), 24(09), 69-74.

[11] Li, C. (2020). Design and Implementation of E-commerce Mall Based on Spring Boot. Master's thesis, Harbin Institute of Technology. DOI: 10.27061/d.cnki.ghgdu.2020.002417.

原文出处：

Wu Y. Design and Implementation of Online Shop** Mall Based on Collaborative Filtering[J]. Procedia Computer Science, 2024, 247: 201-210.

提示信息：

译文正文在内容上应与原文一致（包括各级标题的级别），在格式上参照“毕业设计（论文）模板”。

不用此信息时，删除此框。