基于时间效应的农产品推荐系统研究与实现

发布时间：2020-06-18 13:50

【摘要】：随着农产品电子商务规模的不断扩大,电商平台上的农产品无论在种类还是数量上都呈现出飞速的增长。面对海量的农产品信息,为了方便消费者迅速、便捷地找到自己需要的农产品,迫切地需要引入推荐系统来解决农产品“信息过载”的问题。而传统的推荐方法很少考虑到农产品的季节性等特点,造成推荐的效果不够理想。本文在充分考虑时间对农产品影响的基础上,将用户兴趣变化与农产品季节变化相结合,融入到传统的协同过滤推荐中,从而提高农产品的推荐质量。主要研究内容如下:(1)从用户兴趣变化来反应时间对农产品推荐的影响。首先,讨论了用户兴趣变化受到短期时间与长期时间的共同影响,因此在关注用户短期兴趣的时候也不能忽视用户的长期兴趣。其次,通过比例因子α将用户短期兴趣函数fs(u,i)与用户长期兴趣函数fl(u,i)相组合,构建用户兴趣加权函数fu(u,i)。最后将用户兴趣加权函数fu(u,i)融入到传统的商品相似度计算中,从而提高商品相似性的准确度。(2)从商品流行度变化来反应时间对农产品推荐的影响。首先,考虑到农产品不同于其他普通商品,具有鲜明的季节性特点。因此针对农产品的推荐不仅要考虑商品的时效性,还要考虑到商品的季节反复性。其次,通过比例因子β将商品热门度函数Pop(i,ti)与商品季节性函数Season(i,s)相组合,构建商品流行度加权函数f(i)。最后将商品流行度加权函数f(i)融入到商品评分预测计算中,从而提高商品评分预测的准确度。(3)结合用户兴趣与商品流行度的变化来讨论时间对农产品推荐的影响,提出基于用户兴趣与商品流行度的动态时间加权算法——T-UICF。通过调整比例因子α与β的值,确定合适的权重,优化相似度与评分预测计算方法,从而提高推荐的准确度。(4)利用京东商城采集的农产品数据,通过预测准确度评价指标,验证算法T-UICF的准确性与可靠性。将算法T-UICF的评分预测结果与传统的推荐算法评分预测结果作比较。实验结果表明,改进推荐算法T-UICF的准确度明显高于传统的推荐算法。(5)设计与实现一个针对农产品电子商务的推荐系统。本文在改进传统推荐算法的基础上,考虑到农产品的特殊性,加大了时间效应对推荐系统的影响,使推荐系统由静态系统变成了动态的系统,提高了推荐系统的准确性与实时性,对推动农产品电子商务的发展与农业信息化建设具有重要意义。
【学位授予单位】：安徽农业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.3
【图文】：

鄪车耐萍鏊惴ㄒ允视ε┎

本文编号：2719344