基于推荐算法的农产品销售平台关键技术与研究.pdfVIP

摘要

摘要

在乡村振兴中，农产品电商扮演了至关重要的角色，如何将用户感兴趣的农产品推

荐给用户就成了研究的一大热点。传统推荐技术在复杂环境下表现不佳，而新兴的混合

推荐技术可以有效地弥补传统方法的不足，将多种推荐方式结合在一起。本文设计了

HTCF（HybridrecommendationbasedonTime-enhancedtechnologyandCollaborative

Filteringalgorithm）混合推荐模型，通过并行加权混合的方式对基于用户的协同过滤推

荐模型与基于物品的协同过滤推荐模型进行混合推荐。本研究的主要研究内容如下。

1.对常用推荐算法的理论进行分析探究。研究基于协同过滤的推荐算法以及混合

推荐算法，并介绍归纳了相关研究现状。

2.开展了基于混合推荐技术的农产品推荐模型研究。（1）对一种用户偏好程度模

型进行改进，纠正了其偏好分数不合理的情况，考虑农产品偏好受时间影响，结合传统

2

数学模型，构建多段式时间衰减模型，在推荐系统中能捕捉时间对用户偏好的影响。（）

基于用户的复购周期与类别的关系，构建了基于类别的回购期筛选策略，旨在避免用户

在已购农产品未被消耗完的周期内被重复推荐同类产品。在对商品交易数据进行预处理

后，通过多段式时间衰减技术以及基于类别的回购期筛选策略对两种推荐算法进行改进，

并结合奇异值分解降维后，分别构建UserCF、ItemCF推荐模型。（3）采用并行混合的

方式，将基于用户的推荐模型和基于物品的推荐模型的输出及各自的权重作为HTCF混

合推荐模型的输入，经过训练与测试后，HTCF模型在推荐数量为Top-1时，准确率达到

了20%，并且随着Top-n的增加，其准确率稳定在约10%。同时，该模型的召回率约为

F

10%，而1分数则稳定在0.2至0.25的区间内，这一表现优于其他四种对比模型。

3.针对农产品销售平台不同的界面场景，研究并加入场景推荐算法。本文设计在

用户进入商品信息界面后展示该商品对应的替代品信息，在进入购买界面时展示该商品

对应的互补品信息。本文以经济学中的需求交叉弹性系数作为算法基础，达到成功推荐

替代品和互补品的推荐效果。

本文通过分析传统推荐算法，结合改进的用户偏好模型、多段式时间衰减技术等方

式，提升了推荐精度与实用性。通过并行加权的方式，构建了HTCF混合推荐模型，提

高了推荐效果。同时，本文结合了需求交叉弹性系数，设计了一种场景推荐算法，以此

实现了替代品和互补品的精准推荐，为农产品电商平台提供高效的个性化推荐方案。

关键词：农产品；推荐系统；协同过滤；时间衰减；替代品；互补品

I

Abstract

Abstract

Inruralrevitalisation,e-commerceplatformsforagriculturalproducts

playacrucialrole,andrecommendingitemsthatmatchusers’interestshas

becomeamajorresearchhotspot.Traditionalrecommendationtechniques

performpoorlyincomplexenvironments,whiletheemerginghybrid

recommendationtechniquescaneffectivelymakeupfortheshortcomingsof

traditionalmethodsbycombiningthetworecommendationmethodstogether.

Inthisproject,wedesignedtheHTCF(Hybridrecommendationbasedon

Time-enhancedtechnologyandCollaborative