农产品推荐模型及电商系统的研究与实现

农产品推荐模型及电商系统的研究与实现

近几年随着互联网兴起,各类电子商务平台如雨后春笋。农业是我国重要的投资建设领域,农产品在线销售很好的解决了农产品滞销问题,但是随着农产品电商平台不断发展,用户从海量信息中快速有效地找到目标产品越来越耗时。

因此本文构建了一个满足当前需求的农产品电商平台,通过挖掘用户偏好度,提高了农产品推荐的满意度。本论文通过对协同过滤推荐算法行进改进,实现了具有个性化推荐功能的农产品电子商务系统。

主要工作如下:1、研究了农产品线上交易特点,结合传统的协同过滤推荐算法存在数据稀疏、冷启动等问题,构建了基于农产品属性和类别的农产品推荐模型。该模型提出了一种融合信息熵的加权Jaccard系数的相似度改进算法来计算农产品属性的相似性,同时引入了用户偏好度因子来计算农产品类别的相似性,然后将计算的结果作为加权值综合到修正后余弦相似度计算中,解决了数据稀疏带来的缺陷。

通过爬虫技术,从农产品网站爬取农产品类别、属性以及用户评分等数据,通过MAE和准确率两个实验度量,进行改进后算法和传统算法的对比实验,验证改进后算法的有效性,达到了本论文的预期目标。2、从农产品电商系统实际需求出发,设计了本电商系统的E-R图以及数据库,利用MVC设计模式、REACT框架技术、PHP语言以及RBAC框架技术设计了一款农产品电商平台,同时实现了对农产品推荐的功能。

本论文提出了一种基于协同过滤推荐算法的农产品推荐模型,实现了农产品个性化推荐的需求。同时,设计了一款农产品电子商务系统,构建了满足当前业务需求的网站技术架构,实现了完备的前台服务功能与后台管理功能。