二、关键技术和难点

1.系统整体的框架

本系统采用的是SSM框架技术，即Spring+SpringMVC+MyBatis三个框架的整合，这个是继SSH之后，目前比较主流的Java EE企业级框架，适用于搭建各种大型的企业级应用系统。页面发送请求给控制器，控制器调用业务层处理逻辑，逻辑层向持久层发送请求，持久层与数据库交互，后将结果返回给业务层，业务层将处理逻辑发送给控制器，控制器再调用视图展现数据。搭建框架的关键点即为Spring、SpringMVC、MyBatis三个环境的搭建，导入相应的jar包，然后创建相关的配置文件和配置基础配置项。

2.系统界面的优化与设计

作为一个交易平台，人性化的设计和美丽的外观是十分必要的。首先，我会使用大量的div标签，使界面更加条理清晰。页面将使用CSS样式表，添加许多的Jquery插件来美化界面效果，例如滚动、轮播图片等，前台的设计还将采用JS，Layer等开发语言。

3.智能推荐模块

该模块可以根据用户历史浏览记录、购买记录等其他一些信息来推算出用户可能喜欢的一些相关商品进行推送，通过这种方法建立起潜在的客户关系，并通过一系列打折、促销等手段来提高用户的消费欲，进而推动更多的消费。

该模块的实现主要采用基于物品的协同过滤算法，他主要利用用户对物品的兴趣来找到相似的物品，然后根据用户的历史兴趣，给该用户推荐相似的物品。主要分为两个步骤：

（1） 根据用户对物品的历史行为计算物品相似性，然后生成近似物品集合；

（2） 根据用户的行为，生成推荐列表。

协同过滤算法通过相似度找最邻近的物品，常用的计算相似度的方法有余弦相似度，欧几里得距离法，皮尔逊相关系数等。本次课题我准备使用余弦相似性来完成，余弦相似性就是将物品之间的相似性通过向量之间的余弦值来计算，对于两个n维样本，可以使用类似于余弦夹角的概念来衡量它们之间的相似程度，夹角余弦越大则表示两个向量的夹角越小，相似度就越高。

 

三、现有的研究基础

在校期间，我们已经上过了关于JAVA语言和数据库的课程，对JAVA语言和数据库的能够熟练的进行使用。暑假实训的时候，企业的老师也给我们教了我们许多关于框架方面的知识，对于Spring框架，Spring MVC框架和MyBatis框架也有一定的掌握，也完成过一些小的项目。众所周知，一个好的网站需要一个美观的界面，关于前端语言，我们也学习过了CSS，JavaSprit，Jquery等，可以对页面进行一定的美化。为了能够更好地完成这次项目，在接下来的时间我会努力去学习来提高自身能力。同时我也喜欢同别人学习、请教，来提升自身的技术。因此我认为认为自己已经具备了完成这次课题的基本能力，有信心完成这次课题的研究项目。

 

四、实施方案

1、系统架构

本系统的实现使用SSM框架，即Spring,Spring MVC和MyBatis，使用MVC的三层架构模式，首先在浏览器发出请求，控制层为Controller进行控制，负责具体的业务模块流程的控制，调用Service层的接口控制业务流程。之后到业务逻辑层，也就是Service层，主要负责业务模块的逻辑应用设计。持久层也就是DAO层，该层所做事务直接操作数据库，针对数据的增添、删除、修改、更新、查找等。

 

前端功能模块：

用户登录注册功能、个人中心功能、商品管理功能、购物车功能、订单管理功能、历史记录功能、评论功能、智能推荐功能和识别功能。

后端功能模块：

用户管理功能、商品管理功能和订单管理功能。

 

3、各个功能详细设计及流程图

前端功能模块：

用户登录注册功能：

（1）该功能主要包括对用户帐号的登录、注册以及修改操作，用户的帐号和密码需要符合一定的字符及数量的要求。

（2）注册时会检测帐号和密码的格式是否正确，帐号是否重复，密码需要进行2次确认是否相同。在密码确认正确过后用户需要填写一些身份信息，比如姓名、身份证号等。最后系统还会随机生成验证码进行验证，只有当所有操作无误时才可能注册成功。 

（3）在进行登录操作时，系统会对帐号、密码的格式进行验证和对比数据库的正确性的验证。当帐号密码匹配时，登录成功，否则登录失败。

（4）在进行登录失败后，如果用户可以选择忘记密码来修改自己的密码，用户需填写和帐号相符的身份信息，验证通过后用户可以对自己帐号的密码进行修改。

 

 

 

个人中心功能：

（1） 用户可以在对自身的个人信息进行编辑和修改。

（2） 个人信息内容包括：头像、昵称、 QQ、电子邮箱、联系方式和个人说明等信息。

历史浏览记录功能：

用户在该模块可以查看自己之前浏览商品的历史记录，可以按日期进行筛选。

评论功能：

（1） 用户可以在购买完商品后对这次交易进行评价或者后续追加评价。

（2） 在个人中心中用户可以查到自己的评论记录。

（3） 用户可以删除或修改自己做过的评论。

商品管理功能：

（1）用户可以在平台上检索自己想要商品。检索的方式分为2种：一种是关键字查询，另一种是通过网页上的商品分类来进行跳转。

（2）在商品的列表页面上，会按自上往下的顺序依次陈列出符合条件的商品，可以使用滑轮上下拖动页面，一页可以显示的最大商品数目有限制。该页面只会展示出商品的一些简单信息，例如缩略图片、名称、价格，点击后可进入该商品的详细展示页面。该界面可以按照商品的一些信息（如价格）来进行升、降排序。

（3）在商品的详细展示页面上，用户可以看到关于商品的更多详细信息，例如滚动图片、更加细致的介绍等，在该页面用户可以将商品选入购物车内。

 

识别功能：

用户可以通过对人物的一些外模特征，甚至台词来识别该人物的出处，方便一些新手用户进行操作。

 

智能推荐功能：

在商城主界面上，用户可以点击智能推荐这一功能，系统会自动跳转到推荐结果的页面，由于根据动态信息来进行推荐，即推荐的过程是自动的，推荐结果的产生是系统从用户的购买行为或浏览记录等隐式信息拿到的，无需用户通过填表格等方式来明确自己的喜好。如果用户推荐的结果不满意，还可以选择使用手动的方式来搜索商品。

 

本课题的亮点功能是智能推荐功能和识别功能。智能推荐功能可以根据用户历史浏览记录、购买记录等其他一些信息来推算出用户可能喜欢的一些相关商品进行推送，通过这种方法建立起潜在的客户关系，并通过一系列打折、促销等手段来提高用户的消费欲，进而推动更多的消费。而识别功能可以使用户通过一些简单描述外貌或者台词来进行排查和搜索，确定想要搜索的对象。

其中识别功能本事不涉及什么复杂的算法，主要通过制作出庞大、详细的数据库，进行详细的分类、分级操作，使得系统能够更加精准的识别出用户想要搜索的对象，来满足用户需求。所以主要的难点在于智能推荐功能，协同过滤算法是目前应用最为成功和广泛的推荐算法。它充分利用集体智慧，在大量用户或物品中搜索，并从中发现品味相近的用户或属性相近的物品，据此构造经过排序的推荐列表。 使用这个算法是利用用户对物品的偏好找到相似的物品，然后根据用户的历史偏好，推荐相似的物品给他。从计算的角度看，就是将所有用户对某个物品的偏好作为一个向量来计算物品之间的相似度，得到物品的相似物品后，根据用户历史的偏好预测当前用户还没有表示偏好的物品，计算得到一个排序的物品列表作为推荐。因此我们需要得到的数据有用户的历史浏览记录已经订单记录来得到用户偏好的物品A，根据其相似程度找到与之相似的物品B和物品C来向用户进行推荐。为此我们必须注意以下几点：1.数据必须要精确可靠、即使更新；2.必须要减少计算用的时间，提高效率；3.开发过程中可采取螺旋式开发方法，先开发出一个简单的模型，再一步步进行改良和完善。