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。推荐数据与模型维护管理员可使用初始化数据和平台业务数据维护推荐所需的数据基础。项目提供 TensorFlow、Keras、Pandas、NumPy 和 scikit-learn 依赖用于推荐相关的数据处理、训练和预测流程。三、技术栈层级技术说明后端Python、Flask、Flask-CORSAPI 服务与跨域支持数据访问Flask-SQLAlchemy、PyMySQLORM 与 MySQL 连接身份认证Flask-JWT-ExtendedJWT 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 3.8MySQL 5.7Node.js 16pip、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。cdbackend python init_data.py七、后端启动cdbackend pipinstall-rrequirements.txt python app.py八、前端启动cdfrontendnpminstallnpmrun 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、毕业设计和项目演示使用。有定制化需求可以评论或私信作者。个人网址https://michael-jay.pages.dev/