基于协同过滤农产品电商推荐系统的研究与实现.pdfVIP

摘要

摘要

随着电商系统的兴起，使人们的在线消费十分便捷。例如农产品电商系统，定制

化提供了丰富的农产品便于用户购买。农产品电商推荐系统不仅提供了农产品在线销

售平台，而且还会根据用户的行为数据推荐他们感兴趣的农产品。在这背后的技术原

理即是运用推荐算法来实现的。而大多农产品电商系统使用协同过滤推荐算法来实现

系统的推荐功能，除了该算法成熟、技术原理简单、易于开发实现外，同时也给用户

提供了高质量的服务体验，增加农产品的成交量。然而，随着农产品电商系统的用户

不断增多，一些新的技术问题也逐渐被发现。例如冷启动、稀疏矩阵问题、热门效应

商品问题。这些问题不仅增加了推荐算法的难度，而且也增加了系统开销与运算压力。

为了解决上述农产品电商推荐系统存在的问题，本文运用文献研究、工程实现、

调查研究、实验方法、理论分析的研究方法。本文完成主要以下三个方面的工作：

1

（）分析农产品电商系统协同过滤推荐算法。首先本文设计了一种合理的系统

使用对象交互行为的方法。设计规划农产品电商推荐系统完成后，邀请不同类别的使

用对象来使用推荐系统以达到均衡商品存在的交互行为的数据差异，使其能够生成数

据较为均匀的的原始数据集。其次，通过代码埋点技术手段对用户数据进行收集，利

用Python编程工具对数据进行清洗，以及搭建算法和系统所需的开发环境。最后通

过对协同过滤推荐算法进行数学计算分析，实现推荐算法的流程，以及分析推荐算法

的不足，探讨总结目前学术界对该算法的优化方法。

（2）开发了一套农产品电商推荐系统。遵守软件工程规范，经过系统分析和系

统设计，编程开发与测试。实现了具有用户管理、购物车管理、商品管理、订单管理、

统计分析管理、系统管理的农产品电商系统。用户能够购下单购买农产品。农户能够

编辑并上传发布农产品。系统管理员能够对用户和农户进行角色管理。在开发出的农

产品电商系统的基础上，邀请不同的人员对电商系统进行使用，形成原始数据集。通

过页面数据采集的方式获取到用户的交互行为数据，经过数据清洗，实现了基于用户

的协同过滤推荐算法，并构建了一套农产品电商推荐系统。经过推荐系统测试实验，

设计了三组实验来进行测试，分别对原始的农产品电商系统和农产品电商推荐系统进

行测试，以及交叉验证测试。实验结果表明原始的电商系统无推荐功能，开发的电商

推荐系统具备推荐功能，能够给用户推荐他们喜好的农产品。

I

重庆三峡学院研究生学位论文

（3）协同过滤算法优化。在分析发现了现有协同过滤推荐算法的不足后，总结

了目前改进协同过滤算法的前沿方向，并实现了一种基于量子加速遍历查找算法对协

同算法进行改进，实验设计并采用三种实验指标来评价改进后的算法优化效果。通过

对用户寻找喜好商品平均时间的理论分析发现，改进后的推荐算法相比其他几种算法

表现更好。经过对时间复杂度的理论分析发现，改进后的推荐算法在大数量级的时间

复杂度增长率优于其他算法。经过系统CPU开销的压力测试分析发现，改进后的推

荐算法在CPU开销上比其他算法更小，系统CPU资源利用率更高。最终通过实验表

明，我们发现经量子加速查找算改进后的协同过滤算法实验指标用户寻找喜好的平均

时间、时间复杂度、系统CPU开销相比其他算法都有所改善优化。

关键词：协同过滤；推荐系统；量子加速查找算法；优化

II

Abstract

Abstract

Withtheriseofe-commercesystems,peoplesonlineconsumptionhasbecomevery

convenient.Forexample,theagriculturalproducte-commercesystemprovidescustomized

anddiverseagriculturalproductsforuserstopurchase.Agriculturale-comm