云环境下个性化农业产销信息匹配推荐系统的研究和实现

发布时间：2017-10-04 14:05

  本文关键词：云环境下个性化农业产销信息匹配推荐系统的研究和实现

  更多相关文章： 农业市场 信息匹配 推荐算法 云计算 用户兴趣模型

【摘要】：目前,农产品市场流通具有环节多、信息海量且凌乱分散等特点,使得快捷、及时、精准地捕捉到决策支持需求信息的难度很大,农业生产与市场流通不匹配的矛盾日益突出,非寻常波动呈突发、多发、并发趋势。本文旨在开发一种功能丰富,层次融合,品种繁多的农产品产销对接全程服务平台,实现面向农产品生产者和消费者的全过程决策信息服务、农产品交易信息全网融合、供需信息审核与发布等服务、开展实时在线商务交流和农产品交易撮合的综合性服务平台。 本文首先介绍了农产品产销匹配的相关背景和研究现状,并概述相关的理论和技术基础,在需求分析的基础上进行了系统概要设计和详细设计,着重介绍了系统功能模块划分和具体实现过程中的关键技术。然后,本文在分析现有农业生产与市场流通匹配推荐系统的基础上,利用开源搜索引擎Nutch从互联网上采集农产品市场信息构建市场空间数据仓库和数据源,研究并提出更加适合农业相关对象的用户兴趣模型和更加适合农产品产销对接的组合推送算法。同时在云计算环境下,对现有的农业生产与市场流通匹配推荐系统进行改进,并部署在Hadoop分布式平台上,解决农业生产与市场流通匹配系统面临的存储空间可扩展性与分析计算效率等瓶颈问题,使其更加适合我国农业产销信息体系,为农业生产流通消费匹配管理决策提供支持。接着对系统的查全率与查准率指标做了对比分析,证明其有效性与实用范围。 本文最后详细介绍了该系统三个子系统的实现过程,分别是基于WEB的农产品市场价格数据获取子系统、农产品交易撮合子系统以及产销全网信息推荐子系统。通过实验和实际应用表明本系统可以确保对农产品生产和收购信息的完全收录与及时更新,同时使得匹配效率和准确度有了明显提升。为从事农业的用户在互联网中匹配所需的产销信息提供了有效的解决方案,降低农产品营销成本,为解决农产品的买难卖难问题提供技术支撑。目前,经实际部署实施证明,该系统运行正常并能取得良好经济效益,达到预期设计目的。
【关键词】：农业市场 信息匹配 推荐算法 云计算 用户兴趣模型
【学位授予单位】：中国农业科学院
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.3;F323.7
【目录】：

• 摘要6-7
• Abstract7-11
• 图目录11-15
• 表目录15-16
• 英文缩略表16-17
• 第一章 绪论17-26
• 1.1 研究的背景和意义17-18
• 1.1.1 研究背景17-18
• 1.1.2 研究意义18
• 1.2 国内外研究现状18-22
• 1.2.1 产销模式研究现状18-20
• 1.2.2 农产品产销对接技术研究现状20
• 1.2.3 个性化推荐系统研究现状20-21
• 1.2.4 计算研究现状21-22
• 1.3 研究目标和内容22-23
• 1.3.1 研究目标22-23
• 1.3.2 研究内容23
• 1.4 研究方法和技术路线23-24
• 1.4.1 研究方法23-24
• 1.4.2 技术路线24
• 1.5 本章小结24-26
• 第二章 个性化农业产销信息匹配推荐系统关键技术26-40
• 2.1 HADOOP技术26-28
• 2.1.1 Hadoop概述26
• 2.1.2 Map/Reduce编程模型26-28
• 2.1.3 HDFS分布式文件系统28
• 2.2 开源搜索引擎NUTCH28-32
• 2.2.1 Nutch概述28-29
• 2.2.2 Nutch体系架构29-30
• 2.2.3 Nutch工作原理30-32
• 2.3 用户兴趣模型构建32-37
• 2.3.1 获取用户兴趣源32
• 2.3.2 中文分词技术32-34
• 2.3.3 特征提取技术34-35
• 2.3.4 用户兴趣模型表示与评价35-37
• 2.4 信息匹配与推荐算法37-38
• 2.4.1 常用信息推荐算法37-38
• 2.4.2 组合推荐算法38
• 2.5 开源搜索服务器-SOLR38-39
• 2.5.1 Solr简介38-39
• 2.5.2 Solr特点39
• 2.6 本章小结39-40
• 第三章 云环境下个性化农业产销信息匹配推荐系统设计40-63
• 3.1 系统需求40-41
• 3.2 系统概要设计41-42
• 3.3 基于WEB的农产品市场价格数据获取子系统设计42-46
• 3.3.1 信息抽取及解析43-44
• 3.3.2 农业网站数据抽取的算法和模型设计44-46
• 3.3.3 农产品市场价格数据库设计46
• 3.3.4 数据可视化技术46
• 3.4 网络产销信息推荐子系统设计46-55
• 3.4.1 信息获取与预处理46-50
• 3.4.2 用户兴趣模型构建模块50-52
• 3.4.3 推荐算法设计模块52-53
• 3.4.4 推荐算法详细设计53-55
• 3.5 农产品交易撮合子系统55-58
• 3.5.1 系统流程设计55-56
• 3.5.2 系统体系框架与功能模块设计56-57
• 3.5.3 撮合算法设计57-58
• 3.6 数据结构设计58-62
• 3.7 本章小结62-63
• 第四章 个性化农业产销信息匹配推荐系统实现63-103
• 4.1 系统开发技术与运行环境63-66
• 4.1.1 开发技术63
• 4.1.2 实施环境63-64
• 4.1.3 Hadoop+Nutch集群搭建64-66
• 4.2 基于WEB的农产品市场价格数据抓取子系统实现66-74
• 4.2.1 信息抽取网站的选择67
• 4.2.2 抓取预处理67
• 4.2.3 价格数据获取工作流程67-68
• 4.2.4 构造数据源获取算法68
• 4.2.5 抓取过程实现68-74
• 4.3 网络产销信息推荐子系统实现74-91
• 4.3.1 产销网页信息获取74-77
• 4.3.2 组合用户兴趣模型构建77-80
• 4.3.3 推荐子系统实现80-91
• 4.4 农产品交易撮合子系统91-102
• 4.4.1 系统安装与运行91-92
• 4.4.2 系统管理与用户管理92-96
• 4.4.3 产销信息发布与审核96-100
• 4.4.4 交易撮合100-101
• 4.4.5 市场行情分析101-102
• 4.4.6 拓展功能102
• 4.5 本章小结102-103
• 第五章 全文结论103-104
• 参考文献104-108
• 致谢108-109
• 作者简历109

【参考文献】

中国期刊全文数据库 前10条

1 王俊生;施运梅;张仰森;;基于Hadoop的分布式搜索引擎关键技术[J];北京信息科技大学学报(自然科学版);2011年04期

2 刘莹;蔡万景;;Portal个性化定制的研究[J];电脑知识与技术;2009年21期

3 彭祥礼;朱小军;查志勇;;Web信息抽取和展现系统的设计与实现[J];电力信息化;2012年02期

4 李彦刚;魏海平;侯兴华;;基于HTMLParser的Web信息抽取系统的设计与实现[J];辽宁石油化工大学学报;2006年02期

5 刘建国;周涛;郭强;汪秉宏;;个性化推荐系统评价方法综述[J];复杂系统与复杂性科学;2009年03期

6 潘超;梁宏伟;李立召;;基于DOM的网页信息抽取方法[J];硅谷;2010年20期

7 宋真真;王浩;杨静;;协同过滤技术在个性化推荐中的运用[J];合肥工业大学学报(自然科学版);2008年07期

8 赵亮,胡乃静,张守志;个性化推荐算法设计[J];计算机研究与发展;2002年08期

9 唐焕玲,孙建涛,陆玉昌;文本分类中结合评估函数的TEF-WA权值调整技术[J];计算机研究与发展;2005年01期

10 杨海涛;石磊;卫琳;;一个基于搜索结果的个性化推荐系统[J];计算机工程与应用;2006年32期

，

本文编号：971035