1 引言

由国家统计局2015-2023年对高校新生数与在校生数的统计数据可知，近年来高校学生群体日益庞大，市场容量已超过千亿元。作为本项目推广电脑推荐系统的潜在市场，该市场呈现容量大、迭代快的特点。但大学生在购买电脑时普遍存在产品选型痛点，即：难以买到与自身专业相匹配的电脑。例如，如果新闻传播学院的同学希望使用Pr剪辑视频，那么他需要购买高性能CPU的电脑加速渲染和导出。但是，如果他在不了解机型配置的前提下简单选择热销电脑，可能会在使用过程中遇到软件卡顿和延迟。

目前淘宝、京东等主流电商平台产品货源丰富，但它们的筛选逻辑涉及较多硬件专业术语，例如RTX 4060 Ti显卡、27UP850-W显示器，显示器产品命名为“英寸+产品群+年份+等级+版本+主要特征+颜色”。可见，其选购生态默认用户已提前研究产品性能参数。

因此，本项目拟使用校园内数码站的历史销售数据训练一个基于协同过滤算法的电脑智慧选购系统，根据历史用户数据计算偏好产品列表，同时根据用户所填信息中反映的潜在硬件要求筛选不合适的产品。

2 数码产品市场需求调研

本项目针对广州大学城10所高校展开了进一步调查。校园数码市场聚焦于高校数码购买市场，大致分为两类需求。
一类是高校新生购买新数码产品的需求。该类需求的特点是数码产品要尽可能满足高校新生所学专业需求。由于高校新生对于所学专业认知有限，对专业的数码产品选择有盲点。而该项目能给予这类客户针对性强的数码产品推荐。
二类是高校学生更新数码产品的需求。由于数码产品本身具有迭代快的特点，创新性数码产品的供给会创造一定需求，导致近年来数码产品的“流行周期”愈发缩短即消费者淘汰旧数码产品的速度加快；同时，高校学生受自身认知、数码产品寿命等产生更换数码产品的需求。比如，更注重游戏过程的流畅性、数码产品间的协作性等。

3 数据获取

本项目联系了校园内的数码站，以获得各专业学生的电脑购买数据，最后收集到约2k条电脑购买数据。在数码站的销售过程中，工作人员会根据学生的专业与实际需求提供个性化的推荐服务。因此，我们将假设数据集中绝大部分学生买到了与自身专业相匹配的电脑。

订单信息中包含订单ID、交易时间、学生专业、学生性别、常用软件、电脑名称、价格以及CPU型号等硬件配置信息。如下是数据的字段说明表。

4 推荐算法实现

本项目的推荐算法包含2个模块：硬件配置评分模块、商品推荐模块。硬件配置评分模块用于对编码电脑的硬件信息：对于CPU和显卡信息，我们将其替换为相应的天梯图分数，以更好地反映其性能水平。在处理其他部件时，我们使用对应的量化参数反应性能水平。已显示器为例，我们将使用像素点距、分辨率和刷新速度等参数表现显示器的性能。在商品推荐模块中，我们将计算用户输入信息与历史顾客的余弦相似度，并筛选与用户自身需求更匹配的电脑。

5 推荐系统实现

该小程序界面由5个部分组成：用户注册、偏好选择、产品推荐、套餐详情、订单确认。界面设计简洁明了，引导用户从注册、选择偏好、浏览推荐产品，到最终确认订单，提供了一站式的购物体验。

（1）用户注册：用户首先需要录入昵称、性别、学校、专业等基本信息。
（2）偏好选择：接下来，用户可以录入其偏好的电脑类别、价格区间以及对电脑性能的具体要求等指标，以便系统了解用户需求。
（3）产品推荐：系统根据用户的偏好进行匹配，并以匹配度降序的方式展示较符合用户偏好的电脑列表，方便用户选择。
（4）套餐详情：用户可以在这一部分选择预装的软件和配送服务，定制购买套餐。
（5）订单确认：用户在确认套餐信息无误后，可以进行支付，完成订单。