基于大数据的农产品电商平台的设计与实现

项目介绍

这是一个面向毕业设计场景落地的农产品电商平台演示系统。项目的出发点是：农产品交易不只是”买和卖”，围绕商品流转沉淀下来的订单、评价、溯源和用户行为数据，同样值得被清洗、分析和建模。因此系统没有停留在电商 CRUD 的层面，而是把购物流程、大数据分析、智能预测、个性化推荐和运维监控整合进同一个 Flask 应用里，形成”数据采集—处理—分析—应用”的完整链路。

核心功能

购物与订单链路：支持登录（pbkdf2:sha256 密码哈希，旧版 scrypt 哈希登录时自动升级）、按水果/蔬菜/粮油/茶饮分类浏览、购物车数量按库存上限自动调整、结算时以 BEGIN IMMEDIATE 事务原子扣减库存防止超卖，以及订单状态跟踪。
数据挖掘：基于订单共现关系计算支持度与置信度，挖掘搭配购买组合；基于订单次数、消费金额、平均购买件数做简化 K-Means 聚类，将用户划分为高价值复购型、家庭囤货型与稳定消费型群体；结合农残指标与库存给出”低库存预警 / 冷链稳定”溯源风险标签。
智能预测中心：随机森林（120 棵树）依据甜度、新鲜度、有机评分与价格预测口味标签并输出置信度；StandardScaler + RBF SVM 依据图片亮度、纹理、色彩与商品属性评估质量等级，支持在商品详情页上传图片实时评估；纯 NumPy 手写的轻量级 LSTM（滑动窗口 + 归一化 + 梯度裁剪）按品类预测未来 7 天受欢迎度走势。
个性化推荐：综合商品基础热度、用户偏好品类、地区特征、历史共购关系和基于用户-商品交互矩阵的协同过滤加权生成推荐，并以”符合你的偏好 / 协同过滤推荐 / 热销推荐”给出可解释理由。
运维监控：/metrics 接口暴露请求量、延迟、下单、登录、后台写操作等 Prometheus 指标；监控面板汇总运行时指标与存储规模（用户、商品、订单、评价数、低库存商品、数据库体积）。