GaolBB的博客

计划发布。

作为山东大学项目实训商品推荐系统小组的 Web 端界面设计师，现将后台管理系统的视觉设计方案以专业视角进行拆解，从整体风格到细节组件，展现设计如何平衡功能性与用户体验。按照项目预期，使用adobe xd给出两版能覆盖大部分项目功能的界面设计原型线框稿。

在电商小程序开发中，界面设计直接影响用户购物流程的顺畅度与转化率。本次针对电商推荐系统小程序端，以提升用户体验、简化购物路径、强化商品展示为目标，打造贴合用户行为习惯的视觉交互方案。

本篇博客记录了我在小程序端界面设计拼接前，对其中的细节设计及一些UI素材的制作准备

本篇博客记录了我在项目前端部分的代码的实现工作

本文是我们多模态推荐系统实践项目的一篇周报日志，主要记录了项目启动阶段对三个主流推荐系统数据集的分析对比，以及多模态数据预处理中的初步挑战和进展。本文适合对推荐系统感兴趣，尤其是多模态推荐或大模型增强推荐系统方向有研究的同学阅读与参考。

电商推荐系统，视觉设计的前期学习准备工作

计划发布

在大模型驱动的多模态推荐系统研发中，我们聚焦于构建融合文本、图像与用户行为的推荐框架。基于 LLM 的推荐语生成需求，我们选定 UCSD 发布的Amazon Product Data 数据集作为核心训练数据，其覆盖多品类商品的多模态信息，尤其适合探索 “文本 - 图像 - 交互行为” 的联合建模。

这些问题不仅影响用户购物体验，也制约了商家的业务增长和平台的可持续发展。：采用模型量化（FP16）技术，减少深度学习模型的计算量和内存占用，同时在 Java 后端缓存热点商品特征，提高推荐系统的响应速度，降低计算资源消耗。：完成 Java 前后端基础框架搭建，实现推荐系统的召回和精排基础链路，同时开发 AIGC 内容生成模块，初步具备商品推荐和内容生成功能。：采用 LLM 精排与传统召回融合的方式，既保证了推荐的准确性，又提高了推荐的多样性和可解释性，为用户提供更优质的购物体验。