项目背景：

随着电子商务的快速发展，用户在购物平台上面临了海量商品选择的问题。为了帮助用户更好地找到自己感兴趣的商品，提供个性化的推荐服务变得至关重要。基于Apriori关联规则的商品推荐系统可以根据用户的历史购买记录进行分析，推荐与其兴趣相关的商品，提高用户购物体验和平台的销售额。

项目介绍：

该项目是一个基于Apriori关联规则的商品推荐系统。通过使用Scrapy爬虫框架抓取京东上的商品信息，并将其存储到数据库中。然后，使用Django框架搭建后端，提供数据接口供前端调用。前端使用Vue.js搭建，展示商品检索、商品详情、加入购物车、结算购买、查看历史订单和个人中心等功能。同时，根据用户的历史购买记录，基于Apriori算法推荐与其兴趣相关的其他商品。

实现方式：

1. 数据采集：使用Scrapy爬虫框架抓取京东上的商品信息，并将其存储到数据库中。
2. 数据预处理：对采集到的数据进行清洗和标准化处理，去除噪音和不相关的数据。
3. 用户购买记录收集：在用户购买商品时，将购买记录存储到数据库中，包括用户ID和购买的商品ID。
4. Apriori算法分析：使用Apriori关联规则分析算法，从用户购买记录中挖掘出频繁项集和关联规则。
5. 推荐列表生成：根据挖掘出的关联规则，生成推荐列表。当用户访问商品详情时，基于Apriori算法推荐与该商品相关的其他商品。
6. 动态调整：根据用户实际需求和偏好，动态调整推荐列表。可以考虑用户购买记录的时间权重、不同商品之间的相似度等因素。
7. 前端展示：使用Vue.js搭建前端界面，展示商品检索、商品详情、加入购物车、结算购买、查看历史订单和个人中心等功能。同时，展示推荐列表并提供筛选和排序等功能，以提高用户的购物体验。
8. 后端开发：使用Django框架搭建后端，提供数据接口供前端调用，处理用户的请求和推荐算法的计算，并将结果返回给前端展示。

所用技术：

• Python：作为主要的编程语言，用于实现数据采集、数据预处理以及Apriori算法分析等功能。
• Django：用于搭建后端，提供数据接口供前端调用，并处理用户请求和推荐算法的计算。
• Vue.js：用于搭建前端界面，展示商品检索、商品详情、加入购物车、结算购买、查看历史订单和个人中心等功能，同时展示推荐列表并提供筛选和排序等功能。
• Scrapy：用于实现网页数据的抓取和存储，通过抓取京东上的商品信息，并将其存储到数据库中。
• Apriori算法：用于分析用户购买记录，挖掘频繁项集和关联规则，从而生成推荐列表。

视频

截图