在大數(shù)據(jù)驅(qū)動(dòng)下人工智能發(fā)展的今天,大數(shù)據(jù)的冗余增加了我們獲取關(guān)鍵信息的成本,推薦系統(tǒng)已經(jīng)成為用戶獲取關(guān)鍵信息的有效途徑之一。生鮮農(nóng)產(chǎn)品平臺(tái)解決了城鎮(zhèn)居民日常生活對(duì)生鮮蔬果的需求問題,然而隨著生鮮農(nóng)產(chǎn)品平臺(tái)的不斷發(fā)展,用戶從眾多平臺(tái)中找到目標(biāo)商家難度增大。因此本文基于社區(qū)用戶環(huán)境搭建了一個(gè)農(nóng)產(chǎn)品電商推薦系統(tǒng),通過挖掘社區(qū)用戶行為關(guān)系來提高農(nóng)產(chǎn)品商家的推薦準(zhǔn)確度。本論文通過對(duì)粒子群算法的研究改進(jìn),采用微服務(wù)技術(shù)框架結(jié)合推薦算法完成了系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。主要研究重點(diǎn)有以下幾個(gè)方面:（1）從農(nóng)副產(chǎn)品電商功能和用戶生活場(chǎng)景著手,剖析了多家農(nóng)副產(chǎn)品電商平臺(tái)交易模式,比較了傳統(tǒng)協(xié)同過濾推薦算法存在的問題如冷啟動(dòng)、數(shù)據(jù)稀疏等,構(gòu)建了基于社區(qū)用戶位置和用戶購買偏好的農(nóng)產(chǎn)品交易推薦模型。該模型通過用戶距離相似度,用戶購買偏好相似度,商家星評(píng)相似度形成組合推薦得到最近鄰集合,PSO算法將得到的最近鄰集合作為初始化粒子群。在PSO算法中,粒子間通過不斷共享自己當(dāng)前位置的個(gè)體極值,快速地搜索到全局極值。將全局極值轉(zhuǎn)化為遺傳算法的初始種群,發(fā)揮遺傳算法的全局收斂能力,并且利用遺傳算法的交叉和變異能力,彌補(bǔ)了粒子群算... 

【文章來源】：湖南農(nóng)業(yè)大學(xué)湖南省

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

論文組織結(jié)構(gòu)圖

微服務(wù)架構(gòu)圖組成

Dubbo核心部件Fig.2.2Dubbocorecomponent

【參考文獻(xiàn)】：
期刊論文
[1]基于Levy變異的反向粒子群優(yōu)化算法[J]. 南杰瓊,王曉東.  紡織高校基礎(chǔ)科學(xué)學(xué)報(bào). 2018(01)
[2]中國生鮮電商現(xiàn)狀與發(fā)展前景研究[J]. 孫凝.  電子商務(wù). 2018(04)
[3]高效可驗(yàn)證的隱私保護(hù)推薦系統(tǒng)[J]. 宋春芝,董曉蕾,曹珍富.  華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[4]基于多粒度特征和混合算法的文檔推薦系統(tǒng)[J]. 鄔登峰,白琳,王濤,李慧,許舒人.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(03)
[5]Tomcat應(yīng)用服務(wù)器高并發(fā)優(yōu)化處理[J]. 怯肇乾.  電腦編程技巧與維護(hù). 2018(02)
[6]跨域單點(diǎn)登錄解決方案研究[J]. 伍孟軒,李偉,易叔海,程蒙,劉川.  網(wǎng)絡(luò)安全技術(shù)與應(yīng)用. 2018(02)
[7]2017生鮮電商交易規(guī)模達(dá)1400億[J].   食品安全導(dǎo)刊. 2018(03)
[8]互聯(lián)網(wǎng)環(huán)境下微服務(wù)框架分析與研究[J]. 王志勃,王麒森,畢艷茹.  信息與電腦(理論版). 2017(22)
[9]基于特征的興趣推薦系統(tǒng)研究[J]. 任恒妮.  自動(dòng)化與儀器儀表. 2017(09)
[10]基于用戶的協(xié)同過濾推薦系統(tǒng)的數(shù)據(jù)清洗研究[J]. 徐彬,杜衛(wèi)鋒,滕姿.  福建電腦. 2017(08)

碩士論文
[1]基于SpringBoot微框架的建筑項(xiàng)目管理系統(tǒng)[D]. 孫宇.哈爾濱工業(yè)大學(xué) 2018
[2]基于用戶屬性聚類的協(xié)同過濾推薦算法研究[D]. 梁麗君.山東理工大學(xué) 2018
[3]基于多維特征的混合推薦系統(tǒng)模型研究[D]. 任攀龍.電子科技大學(xué) 2018
[4]基于用戶活躍度和影響力的社區(qū)推薦系統(tǒng)關(guān)鍵技術(shù)的研究[D]. 于笑明.天津理工大學(xué) 2018
[5]基于協(xié)同過濾的電子商務(wù)推薦系統(tǒng)的研究與設(shè)計(jì)[D]. 方飛強(qiáng).電子科技大學(xué) 2017
[6]協(xié)同過濾推薦系統(tǒng)中稀疏性數(shù)據(jù)的算法研究[D]. 李容.電子科技大學(xué) 2016
[7]基于Nginx服務(wù)器集群負(fù)載均衡技術(shù)的研究與改進(jìn)[D]. 王利萍.山東大學(xué) 2015
[8]基于協(xié)同過濾的個(gè)性推薦算法研究及系統(tǒng)實(shí)現(xiàn)[D]. 張巖.北京化工大學(xué) 2014
[9]關(guān)系數(shù)據(jù)庫中基于語義的緩存技術(shù)研究[D]. 杜立林.湖南大學(xué) 2012
[10]基于Web的用戶興趣及需求技術(shù)的研究[D]. 王樹青.電子科技大學(xué) 2010



本文編號(hào)：3323668