隨著社會信息化的深入發展，傳統藥店的經營管理模式已難以滿足高效、精準的現代服務需求。為提高藥店運營效率、優化庫存管理、并實現個性化的顧客服務，本文設計并實現了一個基于SSM（Spring+SpringMVC+MyBatis）框架與協同過濾推薦算法的智能藥店銷售管理系統。該系統旨在為藥店提供一體化的數字化解決方案，同時為計算機相關專業畢業設計（項目編號：34005）提供了一個具有實際應用價值的參考案例。
一、 系統架構設計與技術選型
本系統采用經典的三層架構：表現層、業務邏輯層和數據持久層。
- 表現層：采用JSP技術結合HTML、CSS、JavaScript及Bootstrap前端框架進行頁面構建，確保用戶界面的友好性與響應式布局。SpringMVC作為MVC設計模式的實現框架，負責接收用戶請求、調用業務邏輯并返回視圖，實現了前后端的清晰分離。
- 業務邏輯層：由Spring框架的核心IoC（控制反轉）容器進行管理。它負責整合系統的各項業務服務，包括用戶管理、藥品信息管理、銷售訂單處理、庫存管理以及核心的推薦算法模塊。Spring的AOP（面向切面編程）特性便于實現事務管理、日志記錄等橫切關注點。
- 數據持久層：選用輕量級的MyBatis框架作為ORM（對象關系映射）工具。它通過XML配置或注解的方式，將Java對象與數據庫表進行映射，簡化了數據庫操作，提高了開發效率，并支持復雜的動態SQL。
- 數據庫：采用穩定流行的MySQL關系型數據庫，用于存儲用戶信息、藥品詳情、銷售記錄、庫存數據及用戶行為日志等。
- 核心算法：集成基于用戶的協同過濾推薦算法。該算法通過分析歷史銷售數據（如顧客的購買記錄、瀏覽記錄），計算用戶之間的相似度，為目標用戶推薦其相似用戶購買過而該用戶未購買過的藥品，從而實現個性化營銷，提升銷售額與顧客滿意度。
二、 系統核心功能模塊
系統主要服務于兩類用戶：藥店管理員與普通顧客。
- 后臺管理模塊（管理員）：
- 系統管理：角色權限管理、用戶賬號管理、操作日志查看。
- 藥品信息管理：藥品信息的增刪改查，包括藥品名稱、分類、規格、生產廠家、進價、售價、庫存預警線等。
- 庫存管理：實時庫存查詢、庫存盤點、入庫/出庫記錄管理、庫存預警通知（當庫存低于設定值時自動提醒）。
- 銷售管理：銷售訂單的生成、查詢與統計，支持銷售明細查看和退貨處理。
- 數據分析與報表：生成銷售統計報表（如日/月/年銷售額、藥品銷量排行）、利潤分析報表，為經營決策提供數據支持。
- 前臺銷售與推薦模塊（顧客/店員）：
- 藥品瀏覽與查詢：顧客可按分類、名稱、功效等多維度查詢藥品信息。
- 在線購藥（模擬）：將藥品加入購物車，生成訂單。此功能可根據實際需求設計為線上支付或到店自提模式。
- 智能推薦系統：系統核心功能。在顧客瀏覽藥品詳情頁或進入個人中心時，系統會根據其歷史行為（購買、瀏覽），利用協同過濾算法實時生成“猜你喜歡”、“購買了此商品的顧客也買了”等個性化推薦列表，精準引導消費，挖掘潛在需求。
- 會員與積分管理：會員注冊、積分累計與兌換。
三、 協同過濾算法的應用與實現
本系統實現的是基于內存的協同過濾算法。其主要步驟如下：
- 數據收集：收集用戶-藥品評分矩陣數據。評分可以顯式（如購買后評分）或隱式（如購買行為記為1，未購買記為0，瀏覽可賦予一定權重）生成。
- 相似度計算：采用余弦相似度或皮爾遜相關系數等方法，計算目標用戶與其他所有用戶之間的行為相似度。
- 鄰居選擇：選取與目標用戶最相似的K個用戶作為“鄰居”。
- 生成推薦：聚合鄰居用戶對藥品的評分（或購買行為），預測目標用戶對未購買藥品的喜好程度，并按預測分值降序排列，生成Top-N推薦列表。
- 系統集成：算法以獨立服務模塊的形式封裝，通過Spring的業務層接口被調用。系統定期（如每天）或實時（用戶行為觸發）運行算法更新推薦結果，并將結果緩存以提高響應速度。
四、 系統特色與優勢
- 技術棧成熟穩定：SSM框架是Java EE企業級開發的經典組合，社區活躍，資料豐富，便于開發和維護。
- 智能化銷售輔助：引入推薦算法，變被動銷售為主動精準營銷，是區別于傳統管理系統的核心創新點。
- 數據驅動決策：全面的報表分析功能，幫助管理者清晰掌握經營狀況。
- 高內聚低耦合：分層架構和Spring的依賴注入使得各模塊職責清晰，易于擴展和維護。例如，未來可方便地替換或增加新的推薦算法。
- 實用性與教學性結合：本項目（畢設編號：34005）完整覆蓋了需求分析、系統設計、編碼實現、算法集成與測試的全過程，對計算機系統服務相關專業的學生而言，是一個綜合性極強的實踐課題。
五、 與展望
本文所設計與實現的藥店銷售管理系統，有效整合了現代化的Web開發技術與數據挖掘算法，不僅實現了藥店日常運營的信息化管理，更通過協同過濾算法提升了服務的智能化水平。該系統運行穩定，功能完備，具有良好的實用價值。可以考慮引入更復雜的混合推薦模型（如結合基于內容的推薦），集成在線支付接口，開發移動端應用，并利用大數據技術對海量銷售數據進行更深層次的挖掘與分析，以構建更加智慧化的醫藥新零售平臺。
