django基于python协同过滤算法商品推荐系统vue

 django自带了一个简单的网络服务器。在开发过程中非常方便，所以我们无需安装任何其他软件即可在本地运行项目。我们可以通过执行命令来测试一下它：
 python manage.py runserver
  开发语言：Python
框架：django
Python版本：python3.7.7
数据库：mysql  
数据库工具：Navicat11
开发软件：PyCharm 
通常 一个Django model 对应一张数据表，model是以类的形式表现的
实现了ORM 对象与数据库映射 隐藏了数据访问细节 不需要写sql语句
admin是Django自带的    自动化数据管理界面
数据取出顺序 models->views->templates  数据层->逻辑视图层->前端模板层
协同过滤算法简介

协同过滤算法是一种较为著名和常用的推荐算法，它基于对用户历史行为数据的挖掘发现用户的喜好偏向，并预测用户可能喜好的产品进行推荐。也就是常见的“猜你喜欢”，和“购买了该商品的人也喜欢”等功能。它的主要实现由：
（1）根据和你有共同喜好的人给你推荐
（2）根据你喜欢的物品给你推荐相似物品
（3）根据以上条件综合推荐
（4）因此可以得出常用的协同过滤算法分为两种，基于用户的协同过滤算法(user-based collaboratIve filtering)，以及基于物品的协同过滤算法(item-based collaborative filtering)。特点可以概括为“人以类聚，物以群分”，并据此进行预测和推荐。

管理员可以根据系统给定的账号进行登录，登录后可以进入商品推荐系统对个性化智能商品推荐所有模块进行管理。包括查看和修改自己的个人信息以及登录密码。
该系统为每一个用户都分配了一个用户账号，用户通过账号的登录可以在系统中查看个性化智能商品推荐信息及对个人信息进行修改等功能。
性能需求分析
对系统的性能，从（功能、运行、界面、安全）等方面进行，下面我们逐一进行分析；
1. 系统的功能是否完整进行分析：系统的功能，能对应设计出原始代码和算法，以表格同文字的形式进行详细介绍个人信息保证功能完整。
2. 系统的运行是否通畅进行分析：系统的每个功能都有编写数据的关系和应对的代码，通过需求分析和可行性分析进行分析和显示系统的物理数据，保证其进行通畅。
3. 系统的界面设计进行分析：对系统中的软件进行处理与分析的方式是由不同代码来进行的；从而使界面容易操作。
4. 系统的安全性进行分析：这样才可以每个角色的不同对应的信息也就不同，在登录系统务必使用自己的账号，密码登录，账号与密码错误自然就登录失败了。登录成功可以对自己的信息进行操作，不能对别人的账号的信息进行查看等操作，这样自然保证系统的安全性。

本次设计任务是要设计一个基于协同过滤算法的商品推荐系统，通过这个系统能够满足商品推荐系统的管理功能。系统的主要包括首页，个人中心，用户管理，商品类型管理，商品信息管理，系统管理，订单管理等功能。