python基于机器学习的笔记本电脑导购系统的设计与实现

**计算机系统的介绍

文章目录

• • 一 概要
• 二、绪论
• • 1.1课题开发背景及意义
  • 1.1.1课题背景
  • 1.1.2课题意义
• 三、 功能需求分析
• 六、功能模块设计
• 四、 算法
• • 4.1 多属性排序算法
  • 4.2 推荐算法
• 五、 系统实现
• 六、 目 录

一 概要

  随着信息技术的不断发展，互联网与计算机与人类的生活联系地愈发紧密，计算机中的笔记本电脑几乎成为了必需品，作为人们以电子产品为主体的笔记本电脑的销售，是目前电子商务的重中之重，因此，设计一个基于机器学习的笔记本电脑导购系统有着较大的市场价值也是目前的应用热点。
  本文对基于机器学习的笔记本电脑导购系统的设计研究，主要采用了Django+Python+Bootstrap的集合形式实现，本文使用Python语言进行算法实现，因为较其他开发语言相比，Python简便且可移植性较高，可适用于多个平台，其安全性也比较高；根据Web程序应用框架，导购系统采用基于MVC框架的业务逻辑系统，以及SQLLITE系统数据库形式，这样处理能够大大简化系统的操作性。通过评分推荐系统，笔记本电脑可以实现对用户评分统计、笔记本电脑推荐比对、用户行为分析、笔记本电脑管理等，为笔记本电脑电子商务信息化发展提供帮助。

二、绪论

1.1课题开发背景及意义

1.1.1课题背景

  互联网已经渗透到人类生活之中去，基于大数据和人工智能的各种算法及其应用也深入到我们日常生活的方方面面，而各类计算机语言的开发和工程实践同样是百花齐放。本文研究背景是，随着经济的发展，电子商务规模也越来越大，笔记本电脑销售业务越来越广，通过网络采购笔记本电脑的方式也越来越受人们青睐，如何将电子商务、笔记本电脑推销和网络采购联系起来就成了一个重要问题。在笔记本电脑电子商务管理与销售来看，大部分电子产品与电子商务并没有有机结合起来，并没有一套完整的管理程序，只是用普通的电子商务的方式，而且笔记本电脑的营销与服务管理方面存在许多问题。比如说，销售人员对客户信息搜集不够到位，而且不能很好地依据笔记本电脑销售人员管理的数据进行经营导向的调整；此外，笔记本电脑销售企业对其收集的信息的分析和预测不够全面，在激烈的竞争中往往会失去良机。目前，笔记本电脑销售企业在电子商务领域正在不断加大资源投入力度，拓宽了新的管理渠道，但是与此同时，老的管理渠道也在不断流失，导致了严重的资源浪费；同时，笔记本电脑销电商内部的沟通机制不够顺畅，各部门之间存在信息沟通不及时的问题，这也对消费者对商品进行反馈时，得不到有效的沟通和解决，最终影响了笔记本电脑的销售业务。除了上述情况，笔记本电脑销售企业电子商务还存在管理机制缺失、内控不够到位，服务能力较为低下，笔记本电脑销售企业电子商务数据不准确等等。
  综上，为了适应高速发展的信息时代与笔记本电脑电商销售的需求，电子商务中笔记本电脑的推荐模式就必须进行调整和升级，并且对笔记本电脑销售管理的综合制度方面进行优化和完善。基于这类日益迫切的需求，本文搭建了笔记本电脑土建系统进行分析和解决。

1.1.2课题意义

  设立笔记本电脑的推荐系统可以在笔记本电脑企业部门销售购笔记本电脑和笔记本电脑库存部门、销售部门三方间快速交换信息，并且对针对相关数据进行有效的追踪管理。用户对进货、笔记本电脑库存、销售货物都有什么样的需要？如何更好的进行管理？这些问题都是企业需要了解的，这些也是建立笔记本电脑推荐系统的目标，此外，推荐系统也会改变影响笔记本电脑推荐系统之间是三个方面进行分析，并且对于进货笔记本电脑库存销售货物的互惠共赢也可以提供有力的服务和建议。基于以上分析，笔记本电脑推荐系统的开发和实现十分迫切，对此投入的研究也十分有意义。不仅如此，笔记本电脑推荐系统还可以对企业系统内部数据管理提供帮助，比如可以通过追踪用户留下的痕迹，对掌握的信息进行全面和标准化的统计分析。
  在具体仿真应用中，本设计以Web框架技术作为支撑，采用了python与SQLLITE集合的方式，根据软件工程标准，稳步地进行系统设计。同时，本文也注重提高系统设计的高安全系数和可靠性，此外，部分拓展应用也被涉及。本设计希望能够尽可能提高系统各模块之间的耦合度，以达到平台管理能力的高效提升，使得后台数据管控和分析更加可靠，推动企业的可持续发展。

三、 功能需求分析

  基于机器学习的笔记本电脑导购系统分管理员和会员两种角色，其中一种是是面向在会员的展示部分，包括：会员个人注册登录、个人中心、笔记本电脑信息浏览，笔记本电脑评分，笔记本电脑收藏以及笔记本电脑推荐。另外一部分是网站程序的后台管理管理员部分，这部分包括：用户管理，笔记本电脑管理、评分管理以及行为管理，等。
  1.基于机器学习的笔记本电脑导购系统-笔记本电脑推荐系统会员管理用例：
基于机器学习的笔记本电脑导购系统-笔记本电脑推荐系统会员管理功能，主要完成笔记本电脑推荐系统会员管理的审核、删除、更新和查看。

  基于机器学习的笔记本电脑导购系统-笔记本电脑推荐系统会员管理模块添加笔记本电脑推荐系统会员管理功能用例如下表所示。
  表2-1 基于机器学习的笔记本电脑导购系统-笔记本电脑推荐系统会员管理之会员审核用例

  基于机器学习的笔记本电脑导购系统-笔记本电脑推荐系统会员管理模块删除会员功能用例描述详见下表。
  表2-2 基于机器学习的笔记本电脑导购系统-笔记本电脑推荐系统会员管理模块之删除会员功能用例

  2.基于机器学习的笔记本电脑导购系统-笔记本电脑管理用例：
  笔记本电脑管理功能，主要完成笔记本电脑的删除、更新和查看。
表2-3 分解用例描述

  3.基于机器学习的笔记本电脑导购系统笔记本电脑推荐用例：
  基于机器学习的笔记本电脑导购系统笔记本电脑推荐功能，主要完成笔记本电脑对基于机器学习的笔记本电脑导购系统进行笔记本电脑推荐，基于机器学习的笔记本电脑导购系统-授权管理人管理笔记本电脑的访客信息信息等。
  基于机器学习的笔记本电脑导购系统笔记本电脑推荐模块添加笔记本电脑推荐功能用例描述详见下表。
表2-4 基于机器学习的笔记本电脑导购系统笔记本电脑推荐模块功能的分解用例描述

表2-4 基于机器学习的笔记本电脑导购系统笔记本电脑推荐模块功能的分解用例描述（续）

  设计的笔记本电脑导购系统的各属性评分排序及推荐算法属于网站前台部分，其可通注册用户来使用，其用户可包括：登录、多属性排序推荐、笔记本电脑检索、笔记本电脑评论等，其用例图设计如下：

图2-1 注册用户用例图

六、功能模块设计

  
  根据软件的需求分析报告，已经获得了系统的基本要求。根据面向对象编程的不同系统，将其分为用户常规操作界面和管理后台页面。系统结构如下图所示。

图4-1 基于机器学习的笔记本电脑导购系统平台功能层次图

图4-2 系统架构设计图

四、 算法

  

4.1 多属性排序算法

  当前相同的产品或具有相同功能特性的产品也是比比皆是，但针对到具体的用户的体验则是不相同的，由此也会给人们带来选择上的烦恼，当前最主要的购买笔记本电脑的方式有两类：通过线下的口碑相传，另一方面是通过查看用户的评价由自己来提取相关有用的信息，但这是比较复杂的一个过程，由此诞生了个性化推荐系统以帮助人们解决选择上的烦恼，由此本课题也便诞生了以此为用户提供更为有效地一种笔记本电脑推荐的方式，本课题选择的是一种组合排序的思想，具体方法如下：
  排序规则：
前提条件：我们从大量的数据样本中，抽取n个样本，然后根据每个样本所具有的大量属性中出抽取出m个属性来作为排序的前提条件。
第一步：利用相关的计算公司来计算出笔记本电脑样品中m个属性的每个属性所占的权重值为W，然后已经计算出的所有的属性权重对每个样本完成排序。、
第二步：将消费者所设定的属性权重值V与第一步所获取到的每个属性的权重值W相乘得到最终消费者可用于进行排序的属性权重值，根据权重值的大小来取前x个对象，其样本和属性组合方式为：x1，x2，…，xm，计算以上组合的交集，并将该交集形成新的集合为X。
第三步：重复第二步的步骤，本次选取的是前y个对象，此处y是大于x的，将其根据权重值来取前y的样本属性值：y1，y2，…，ym，计算以上组合的交集，并将该交集形成新的集合为Y。
第四步：重复第二步和第三步，直到最终获得所有样本的集合。
第五步：最终按照样本集的大小来顺序排序即可。

4.2 推荐算法

  本课题采用K-means算法作为笔记本电脑推荐算法。
K-Means属于聚类划分算法的一种，主要基于欧氏距离来起到对划分的目的，其核心思想便是将所获到的距离最小的划分为一类。该算法过程描述如下
前提：将所获取到的数据集分为n个集合，需保证该数据集合中的任何一个元素到其类中心的距离都小于该元素到其他类中心的距离。
  其推荐算法描述如下：
其约定如下：
n为聚类簇数，m为经过聚类完成各个类的中心点，x为原始样本，y为聚类准则函数。
（1）选择n个类别初始中心，并开始迭代
（2）在第i次迭代中，对于任意一个样本s，计算s到各个类中心的距离，将这个样本归到距离最小的类别中去。
（3）对于数据信息集中化的每个剩余目标，根据每个目标与每个集群的管理中心之间的距离，再次将其分配给最近的集群。当调查了所有数据和信息目标时，将执行迭代更新计算。计算聚类算法管理中心。如果在一次迭代前后，y的值没有发生变化，那么停止该算法，否则继续。

五、 系统实现

管理员主界面

商家信息管理

系统主页面实现

六、 目 录

中英文摘要
第一章 概述 1
1.1 课题开发背景及意义 1
1.2 课题研究现状 2
1.3 课题主要研究内容 3
第二章 需求分析 4
2.1 功能需求分析 4
2.2 可行性分析 10
2.3 流程分析 11
2.4 数据流图 13
2.5 性能需求分析 15
第三章 开发技术及工具 16
3.1 系统开发模式技术 16
3.2 SQLLITE数据库 16
3.3 HTML5相关技术 16
3.4 Python技术 17
3.5 Django框架 17
3.6 推荐算法 17
第四章 网站设计 18
4.1 体系结构设计 18
4.2 功能模块设计 18
4.3 多属性排序及推荐算法设计 19
4.4 数据库设计 20
第五章 主要功能模块设计与实现 23
5.1 前后端交互方式 23
5.2 主登陆页面 25
5.3 管理员模块 26
5.4 普通用户模块 28
第六章 系统测试 30
6.1 测试用例 30
6.2 测试结果分析 32
第七章 总结 33
7.1 结语 33
参考文献 34
致 谢 35