摘要：随着电子商务的发展，电商平台更加丰富多样，电商资源更是层出不穷，电商平台如何实现对各种资源的管理已然成为现实问题，如何投放电商资源实现企业效益最优化更是迫切需要解决的问题。电商资源包括广告资源，产品资源以及库存资源等，其中最重要的就是广告资源，因为它是用户对商家产品的第一印象，可以很大程度上决定用户是否继续浏览该商品。广告中对产品描述的微小细致的细节组合可以在鼓励用户购买兴趣方面产生重大影响。同时，即使有优化的产品列表，对产品的需求也可能根本不存在。平台上的卖家有时会因为产品或产品列表出现问题或者热门产品价格过低而感到沮丧。因此，该系统的开发具有现实意义。

本系统分为web端和线下数据分析两个模块。Web系统使用Echarts图形化插件和SSM[1]、Bootstrap框架来构建，运行流程为将客户端传过来的页面请求进行解析和逻辑业务处理，结合综合的数据库技术，实现数据的交互应用。线下模块采用Python语言来处理数据和建立模型，采用了Machine Learning+NLP[2]算法来实现对广告数据和历史销售数据的学习。系统主要了实现商家、商品和库存信息管理，广告管理，数据分析与模型构造等功能。其中涉及到各个模块信息的录入、处理、多条件查询，实现了不同的管理功能。本系统特点在于通过学习大量的广告数据来预估产品的需求大小，并结合web端管理系统高效管理各种电商资源，并合理配置资源，从而达到收益最优化。

关键词：Machine learning；NLP；SSM；Java；Python；MVC架构；

目录

摘要

Abstract

1 绪论-1

1.1 课题背景-1

1.2 课题研究的现状-1

2 需求和可行性分析-1

2.1系统需求分析-1

2.1.1 功能需求分析-2

2.1.2非功能性需求分析-2

2.2可行性分析-2

2.2.1技术可行性-2

2.2.2经济可行性-3

2.2.3操作可行性-3

2.3 开发平台-3

3 系统设计-4

3.1 系统概述-4

3.2 核心技术设计-4

3.2.1 机器学习-4

3.2.2  NLP-7

3.3 功能模块设计-7

3.4 数据库设计-8

3.4.1 逻辑设计-8

3.4.2 表设计-12

4 系统主要功能模块实现-13

4.1 系统登陆模块-13

4.2商家信息管理模块-15

4.3商品信息管理模块-19

4.4广告信息管理模块-21

4.5库存信息管理模块-26

4.6广告需求预测模型实现模块-30

4.6.1特征构造与筛选-30

4.6.2模型训练与验证-34

4.6.3结果展示图-36

5 软件测试-36

5.1软件测试目的-36

5.2软件测试过程及结果-37

6 总结与展望-39

6.1总结-39

6.2展望-39

参 考 文 献-40

致 谢-41