随着社会信息化的深入发展，传统药店的经营管理模式已难以满足高效、精准的现代服务需求。为提高药店运营效率、优化库存管理、并实现个性化的顾客服务，本文设计并实现了一个基于SSM（Spring+SpringMVC+MyBatis）框架与协同过滤推荐算法的智能药店销售管理系统。该系统旨在为药店提供一体化的数字化解决方案，同时为计算机相关专业毕业设计（项目编号：34005）提供了一个具有实际应用价值的参考案例。
一、 系统架构设计与技术选型
本系统采用经典的三层架构：表现层、业务逻辑层和数据持久层。
- 表现层：采用JSP技术结合HTML、CSS、JavaScript及Bootstrap前端框架进行页面构建，确保用户界面的友好性与响应式布局。SpringMVC作为MVC设计模式的实现框架，负责接收用户请求、调用业务逻辑并返回视图，实现了前后端的清晰分离。
- 业务逻辑层：由Spring框架的核心IoC（控制反转）容器进行管理。它负责整合系统的各项业务服务，包括用户管理、药品信息管理、销售订单处理、库存管理以及核心的推荐算法模块。Spring的AOP（面向切面编程）特性便于实现事务管理、日志记录等横切关注点。
- 数据持久层：选用轻量级的MyBatis框架作为ORM（对象关系映射）工具。它通过XML配置或注解的方式，将Java对象与数据库表进行映射，简化了数据库操作，提高了开发效率，并支持复杂的动态SQL。
- 数据库：采用稳定流行的MySQL关系型数据库，用于存储用户信息、药品详情、销售记录、库存数据及用户行为日志等。
- 核心算法：集成基于用户的协同过滤推荐算法。该算法通过分析历史销售数据（如顾客的购买记录、浏览记录），计算用户之间的相似度，为目标用户推荐其相似用户购买过而该用户未购买过的药品，从而实现个性化营销，提升销售额与顾客满意度。
二、 系统核心功能模块
系统主要服务于两类用户：药店管理员与普通顾客。
- 后台管理模块（管理员）：
- 系统管理：角色权限管理、用户账号管理、操作日志查看。
- 药品信息管理：药品信息的增删改查，包括药品名称、分类、规格、生产厂家、进价、售价、库存预警线等。
- 库存管理：实时库存查询、库存盘点、入库/出库记录管理、库存预警通知（当库存低于设定值时自动提醒）。
- 销售管理：销售订单的生成、查询与统计，支持销售明细查看和退货处理。
- 数据分析与报表：生成销售统计报表（如日/月/年销售额、药品销量排行）、利润分析报表，为经营决策提供数据支持。
- 前台销售与推荐模块（顾客/店员）：
- 药品浏览与查询：顾客可按分类、名称、功效等多维度查询药品信息。
- 在线购药（模拟）：将药品加入购物车，生成订单。此功能可根据实际需求设计为线上支付或到店自提模式。
- 智能推荐系统：系统核心功能。在顾客浏览药品详情页或进入个人中心时，系统会根据其历史行为（购买、浏览），利用协同过滤算法实时生成“猜你喜欢”、“购买了此商品的顾客也买了”等个性化推荐列表，精准引导消费，挖掘潜在需求。
- 会员与积分管理：会员注册、积分累计与兑换。
三、 协同过滤算法的应用与实现
本系统实现的是基于内存的协同过滤算法。其主要步骤如下：
- 数据收集：收集用户-药品评分矩阵数据。评分可以显式（如购买后评分）或隐式（如购买行为记为1，未购买记为0，浏览可赋予一定权重）生成。
- 相似度计算：采用余弦相似度或皮尔逊相关系数等方法，计算目标用户与其他所有用户之间的行为相似度。
- 邻居选择：选取与目标用户最相似的K个用户作为“邻居”。
- 生成推荐：聚合邻居用户对药品的评分（或购买行为），预测目标用户对未购买药品的喜好程度，并按预测分值降序排列，生成Top-N推荐列表。
- 系统集成：算法以独立服务模块的形式封装，通过Spring的业务层接口被调用。系统定期（如每天）或实时（用户行为触发）运行算法更新推荐结果，并将结果缓存以提高响应速度。
四、 系统特色与优势
- 技术栈成熟稳定：SSM框架是Java EE企业级开发的经典组合，社区活跃，资料丰富，便于开发和维护。
- 智能化销售辅助：引入推荐算法，变被动销售为主动精准营销，是区别于传统管理系统的核心创新点。
- 数据驱动决策：全面的报表分析功能，帮助管理者清晰掌握经营状况。
- 高内聚低耦合：分层架构和Spring的依赖注入使得各模块职责清晰，易于扩展和维护。例如，未来可方便地替换或增加新的推荐算法。
- 实用性与教学性结合：本项目（毕设编号：34005）完整覆盖了需求分析、系统设计、编码实现、算法集成与测试的全过程，对计算机系统服务相关专业的学生而言，是一个综合性极强的实践课题。
五、 与展望
本文所设计与实现的药店销售管理系统，有效整合了现代化的Web开发技术与数据挖掘算法，不仅实现了药店日常运营的信息化管理，更通过协同过滤算法提升了服务的智能化水平。该系统运行稳定，功能完备，具有良好的实用价值。可以考虑引入更复杂的混合推荐模型（如结合基于内容的推荐），集成在线支付接口，开发移动端应用，并利用大数据技术对海量销售数据进行更深层次的挖掘与分析，以构建更加智慧化的医药新零售平台。
