源码获取：https://www.bilibili.com/video/BV1Ne4y1g7dC/

一、开发工具及技术 
Python3.6.8，Django3，mysql8，navicat数据库管理工具，html页面，javascript脚本，jquery脚本，bootstrap前端框架，layer弹窗组件、webuploader文件上传组件等。

二、项目访问路径
前台首页地址：http://127.0.0.1:8000/
后台首页地址：http://127.0.0.1:8000/admin
管理员账号：admin    管理员密码：123456

三、技术说明      

简要步骤：

（1） 找到用户 A(user_id_1)的兴趣爱好

（2） 找到与用户 A(user_id_1)具有相同商品兴趣爱好的用户群体集合Set<user_id>

（3） 找到该群体喜欢的商品集合 Set<movie_id>

（4） 将这些商品 Set<Movie_id>推荐给用户 A(user_id_1)

实施过程：

（1）画一个大表格，横坐标是所有商品的 movie_id，纵坐标所有用户的user_id，交叉处代表这个用户喜爱的这部商品。横坐标，假设有 10w 部商品，所以横坐标有 10w 个 movie_id，数据来源自数据库纵坐标，假设有 100w 个用户，所以纵坐标有 100w 个 user_id，数据也来自数据库交叉处， “1”代表用户喜爱这部商品，数据来自数据集（数据集可以在相关网站下载）。

题外话：什么是“喜欢”，需要人为定义，例如浏览过，查找过，点赞过，反正数据集里有这些数据。

（2）找到用户 A(user_id_1)的兴趣爱好，可以看到，用户 A 喜欢商品{m1, m2, m3}

（3）找到与用户 A(user_id_1)具有相同商品兴趣爱好的用户群体集合Set<user_id>，可以看到，喜欢{m1, m2, m3}的用户，除了 u1，还有{u2, u3}

（4）找到该群体喜欢的商品集合 Set<movie_id>如上表，具备相同喜好的用户群里{u2, u3}，还喜好的商品集合是{m4, m5}

（5）未来用户 A(use_id_1)来访问网站时，要推荐商品{m4, m5}给 ta

四、购物推荐系统功能截图

​​​​​​​ ​​​​​​​