基于农产品的电子商务在乡村振兴中起到重要作用,而如何推荐用户感兴趣的农产品已成为目前研究热点。传统的推荐技术在较复杂环境下,其推荐效果不理想,而目前先进的混合推荐技术是将多种推荐技术以某种方式进行混合,能够有效应对传统推荐技术的不足。面向农产品推荐的实际需求,课题基于混合推荐技术提出了HACF(Hybrid recommendation based on Apriori and Collaborative Filtering technology)混合推荐模型,通过并行加权混合的方式对基础模型进行混合,并提出了时令函数,加强时令性对农产品推荐的影响。本文的主要研究内容及阶段性成果如下。(1)对常用推荐技术的理论进行研究分析。着重研究了Apriori推荐技术、基于协同过滤的推荐技术以及混合推荐技术,并归纳介绍了相关研究现状,列举了一些具有代表性的研究成果。(2)开展对基础推荐模型的研究分析。在对农产品交易数据集进行过滤预处理后,较为详细的介绍了Apriori推荐技术、User-CF推荐技术、Item-CF推荐技术,并分别构建推荐模型,进行训练和测试分析,将其作为后续混合推荐模型的基础模型。(3)面向农产品推荐需求,开展了基于混合推荐技术的农产品推荐模型研究。首先,考虑农产品交易具有时令特征,结合传统数学模型,构建时令函数,旨在推荐系统中能提升时令对农产品推荐的影响。其次,开展了HACF混合推荐模型的构建与训练。本文采用并行混合的方式,将基础推荐模型的输出以及模型权重作为HACF混合推荐模型的输入,以时令函数为扰动函数,对模型进行构建并训练,并通过实验证明了基于混合推荐技术的HACF模型的有效性。(4)开展了对食用农产品电子商务平台的研发。本文以HACF混合推荐模型为核心,按照软件工程方法设计并实现了基于混合推荐技术的食用农产品电子商务平台,并将服务部署到了云服务器上。基于混合推荐技术的食用农产品电子商务平台包含微信端、PDA端与Web端,共计9个功能模块,分别为客户端用户和管理端用户提供服务。所研发的食用农产品电子商务平台能较好满足农产品市场中的用户需求。
暂无评论