随着二手商品市场规模爆发式增长,传统二手商品交易平台越来越难满足用户的个性化需求,尤其是用户难以在海量商品中快速找到既感兴趣且地理位置邻近方便现场挑选的商品。因此,为用户提供能就近择优的个性化商品推荐服务具有重要的现实意义和理论研究价值。本课题基于优化的协同过滤智能推荐算法和WebGIS服务,设计了一个C2C模式的二手商品交易平台,实现了商品智能推荐和最短线下交易路线规划等功能,为用户提供了更加个性化的推荐服务。系统采用了Vue、Express、Node.js等开发技术与框架实现了用户、商品、交易、支付的管理及智能推荐等功能;系统基于Open Layers技术实现动态地图加载,并应用Dijkstra最短路径规划算法为用户推荐最短线下交易路线;系统使用Java Script技术实现图书ISBN条码自动识别和三方支付功能。为更好地解决商品精准推荐问题,本课题提出了一种融合商品属性因素的协同过滤智能推荐算法,并将其应用于商品智能推荐服务中。首先,采集用户评分行为并提取商品属性关键词。将用户的浏览、购买等行为以评分的形式存储在用户-商品评分表中,并通过分词处理、TF-IDF方法提取商品属性关键词。其次,基于商品属性因素计算加权相似度矩阵。根据用户对商品的过往评分计算出基于用户-商品评分的商品相似度矩阵,根据商品属性关键词计算基于商品属性的商品相似度矩阵,将两者按照一定的权重进行线性组合,得到用于推荐的商品相似度矩阵。最后,根据预测兴趣商品评分构建推荐商品集。依据用户过往兴趣商品和基于商品属性因素的加权商品相似度矩阵,计算出预测兴趣商品评分集,将评分集倒序排列构建出推荐商品集。本系统通过智能推荐算法和WebGIS技术,为用户提供更加人性化的智能商品推荐服务和线下最短交易路线推荐服务,对提升系统用户体验、增加平台用户粘性具有积极意义。