商品个性化推荐与离线评估实验产品系统

小型商品平台在尝试个性化推荐时，需要先解决行为数据整理、已交互商品过滤、冷启动处理和效果评估口径不统一等问题。本个人演示项目使用模拟商品目录与带日期的用户行为，建立可解释的商品推荐实验，帮助产品和算法人员核对推荐结果及其依据，并在固定时间边界下比较不同推荐基线的离线表现。

项目包含商品目录与行为导入、时间切分、商品相似度计算、热门推荐、用户结果查看和离线评估模块。支持切换模拟用户，查看训练期历史交互、推荐商品、排序分数及推荐依据；推荐时过滤已交互商品，无历史行为时使用热门回退，候选不足时按热门度补位。评估页面在相同用户、候选目录和切分口径下比较热门基线与

我负责本个人演示项目的模拟数据、推荐计算、时间切分、指标实现与报告展示，使用 AI 辅助编写代码并以手算样例验证。项目使用 Python 实现商品共现余弦相似度、ItemCF 与热门基线，使用 SQLite 保存推荐结果，通过 HTML、CSS 和 JavaScript 展示用户选择、推荐解释与评估对比。实现重点是所有相似度和热度仅使用训练行为、排除已交互商品、统一评估用户，以及冷启动和测试期数据泄漏检查。