基于改进粒子群优化算法的农产品交易推荐系统的研究

发布时间：2021-08-05 11:24

　　在大数据驱动下人工智能发展的今天,大数据的冗余增加了我们获取关键信息的成本,推荐系统已经成为用户获取关键信息的有效途径之一。生鲜农产品平台解决了城镇居民日常生活对生鲜蔬果的需求问题,然而随着生鲜农产品平台的不断发展,用户从众多平台中找到目标商家难度增大。因此本文基于社区用户环境搭建了一个农产品电商推荐系统,通过挖掘社区用户行为关系来提高农产品商家的推荐准确度。本论文通过对粒子群算法的研究改进,采用微服务技术框架结合推荐算法完成了系统的设计与实现。主要研究重点有以下几个方面:（1）从农副产品电商功能和用户生活场景着手,剖析了多家农副产品电商平台交易模式,比较了传统协同过滤推荐算法存在的问题如冷启动、数据稀疏等,构建了基于社区用户位置和用户购买偏好的农产品交易推荐模型。该模型通过用户距离相似度,用户购买偏好相似度,商家星评相似度形成组合推荐得到最近邻集合,PSO算法将得到的最近邻集合作为初始化粒子群。在PSO算法中,粒子间通过不断共享自己当前位置的个体极值,快速地搜索到全局极值。将全局极值转化为遗传算法的初始种群,发挥遗传算法的全局收敛能力,并且利用遗传算法的交叉和变异能力,弥补了粒子群算... 

【文章来源】：湖南农业大学湖南省

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

论文组织结构图

微服务架构图组成

Dubbo核心部件Fig.2.2Dubbocorecomponent

【参考文献】：
期刊论文
[1]基于Levy变异的反向粒子群优化算法[J]. 南杰琼,王晓东.  纺织高校基础科学学报. 2018(01)
[2]中国生鲜电商现状与发展前景研究[J]. 孙凝.  电子商务. 2018(04)
[3]高效可验证的隐私保护推荐系统[J]. 宋春芝,董晓蕾,曹珍富.  华东师范大学学报(自然科学版). 2018(02)
[4]基于多粒度特征和混合算法的文档推荐系统[J]. 邬登峰,白琳,王涛,李慧,许舒人.  计算机系统应用. 2018(03)
[5]Tomcat应用服务器高并发优化处理[J]. 怯肇乾.  电脑编程技巧与维护. 2018(02)
[6]跨域单点登录解决方案研究[J]. 伍孟轩,李伟,易叔海,程蒙,刘川.  网络安全技术与应用. 2018(02)
[7]2017生鲜电商交易规模达1400亿[J].   食品安全导刊. 2018(03)
[8]互联网环境下微服务框架分析与研究[J]. 王志勃,王麒森,毕艳茹.  信息与电脑(理论版). 2017(22)
[9]基于特征的兴趣推荐系统研究[J]. 任恒妮.  自动化与仪器仪表. 2017(09)
[10]基于用户的协同过滤推荐系统的数据清洗研究[J]. 徐彬,杜卫锋,滕姿.  福建电脑. 2017(08)

硕士论文
[1]基于SpringBoot微框架的建筑项目管理系统[D]. 孙宇.哈尔滨工业大学 2018
[2]基于用户属性聚类的协同过滤推荐算法研究[D]. 梁丽君.山东理工大学 2018
[3]基于多维特征的混合推荐系统模型研究[D]. 任攀龙.电子科技大学 2018
[4]基于用户活跃度和影响力的社区推荐系统关键技术的研究[D]. 于笑明.天津理工大学 2018
[5]基于协同过滤的电子商务推荐系统的研究与设计[D]. 方飞强.电子科技大学 2017
[6]协同过滤推荐系统中稀疏性数据的算法研究[D]. 李容.电子科技大学 2016
[7]基于Nginx服务器集群负载均衡技术的研究与改进[D]. 王利萍.山东大学 2015
[8]基于协同过滤的个性推荐算法研究及系统实现[D]. 张岩.北京化工大学 2014
[9]关系数据库中基于语义的缓存技术研究[D]. 杜立林.湖南大学 2012
[10]基于Web的用户兴趣及需求技术的研究[D]. 王树青.电子科技大学 2010



本文编号：3323668