農(nóng)資電子商務智能推薦模型研究.pdf

1、電子商務發(fā)展至今已經(jīng)成為能夠和實體購物相提并論的購物模式，其涉及的領(lǐng)域也越來越廣泛，從衣食住行到娛樂、文化等，甚至從逐漸飽和的城市轉(zhuǎn)移到尚待開發(fā)的農(nóng)村市場，可以說“無孔不入”，這種新的消費模式的到來為廣大用戶帶來了極大的方便，然而它的副作用也不可忽視。以農(nóng)資電子商務網(wǎng)站為例，農(nóng)資商品信息、消費者的需求信息以及其他各種信息充斥在互聯(lián)網(wǎng)這條信息高速路上，人們的需求和電商的供給本應該像行駛在同一條高速路的兩端，通過相互碰撞得到各自的滿足，而由

2、于信息的泛濫使人們的需求和電商的供給走上了不同的高速路，偶爾的契合便如同交通事故的發(fā)生，不可預測。所以農(nóng)資智能推薦技術(shù)隨之而來，它將農(nóng)村市場、農(nóng)民用戶和農(nóng)資產(chǎn)品的特色與普通電子商務智能推薦系統(tǒng)相結(jié)合，理順了電商與消費者的之間供需路徑，使消費端的雙方都得到了滿足。
　　論文以為農(nóng)資用戶提供更好的商品推薦為出發(fā)點，深入分析了農(nóng)村市場、農(nóng)民用戶和農(nóng)資產(chǎn)品的特性，針對普通電子商務網(wǎng)站智能推薦系統(tǒng)在農(nóng)資推薦缺乏針對性的現(xiàn)狀，設計了農(nóng)資智能推

3、薦模型的架構(gòu)，提出了三種推薦模型，通過三種推薦模型的相互配合來提升用戶的消費體驗。
　　通過對農(nóng)資產(chǎn)品特性的分析，得知農(nóng)資產(chǎn)品的項目屬性是影響農(nóng)資用戶購買與否的關(guān)鍵，所以論文通過分析用戶對項目的評分去確定項目屬性對用戶的推薦效用，并對項目屬性效用進行線性疊加得到用戶對項目的真實評分，使推薦更具有科學性。
　　而基于項目的推薦算法都是存在先天缺陷的，它們無法處理新用戶的問題，所以論文設計了基于用戶的推薦模式，使之成為基于項目推

4、薦模型的補充，并且通過Hadoop技術(shù)豐富了該算法的處理能力，為其應對將來可能出現(xiàn)的大數(shù)據(jù)等更復雜環(huán)境提前做了準備，提升了推薦系統(tǒng)的可擴展性。
　　在完成了基于項目的推薦模型和基于用戶的推薦模型后，農(nóng)資智能推薦模型仍不能解決及時發(fā)現(xiàn)用戶新興趣的問題，所以論文設計了關(guān)鍵字搜索推薦模型，該推薦模型通過語義網(wǎng)絡確定用戶輸入的有效信息即關(guān)鍵字，并通過TD-IDF技術(shù)對關(guān)鍵字進行了分類，確定關(guān)鍵字屬于用戶偏好范疇還是項目屬性范疇，從而確定相