發(fā)布時(shí)間：2021-09-29 17:07

　　個(gè)性化推薦算法在電子商務(wù)等領(lǐng)域產(chǎn)生了巨大影響,針對(duì)農(nóng)產(chǎn)品電商領(lǐng)域的個(gè)性化推薦算法及其應(yīng)用展開(kāi)研究。首先,梳理各類推薦算法的算法流程、特征和應(yīng)用優(yōu)勢(shì);其次,分類分析個(gè)性化推薦算法在國(guó)內(nèi)農(nóng)產(chǎn)品電商領(lǐng)域的應(yīng)用現(xiàn)狀,及其評(píng)價(jià)性能指標(biāo);最后,指出個(gè)性化推薦算法在農(nóng)產(chǎn)品電商應(yīng)用中的不足與困境,以及進(jìn)一步研究和應(yīng)用的方向。以期為個(gè)性化推薦算法在國(guó)內(nèi)農(nóng)產(chǎn)品電子商務(wù)中的深入應(yīng)用、普及提供借鑒。 

【文章來(lái)源】：現(xiàn)代計(jì)算機(jī). 2020,(12)

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖1 個(gè)性化推薦系統(tǒng)流程

協(xié)同過(guò)濾的概念最先由Goldberg等人在1992年提出[7]，最初應(yīng)用于過(guò)濾電子郵件，目前在推薦領(lǐng)域中應(yīng)用最為廣泛。協(xié)同過(guò)濾算法由三個(gè)步驟組成：第一步，獲取“用戶-項(xiàng)目”評(píng)分矩陣；第二步，通過(guò)相似度計(jì)算得到目標(biāo)用戶的最近鄰用戶集合或目標(biāo)項(xiàng)目的最近鄰項(xiàng)目集合；最后，通過(guò)上一個(gè)步驟得到的最近鄰集合，計(jì)算目標(biāo)用戶對(duì)目標(biāo)項(xiàng)目的預(yù)測(cè)評(píng)分，根據(jù)評(píng)分生成最終推薦結(jié)果，如圖2所示。協(xié)同過(guò)濾算法主要分為基于用戶的協(xié)同過(guò)濾推薦、基于項(xiàng)目的協(xié)同過(guò)濾推薦、基于模型的協(xié)同過(guò)濾推薦三種。基于用戶的協(xié)同過(guò)濾要找出與當(dāng)前用戶過(guò)去有相似偏好的其他用戶群體，將該用戶群體感興趣且當(dāng)前用戶沒(méi)有見(jiàn)過(guò)的內(nèi)容推薦給當(dāng)前用戶；基于項(xiàng)目的協(xié)同過(guò)濾推薦是要找出跟當(dāng)前用戶感興趣的項(xiàng)目相似度較高的項(xiàng)目，把這些項(xiàng)目作為推薦�；谀Ｐ偷膮f(xié)同過(guò)濾推薦則是基于各種機(jī)器學(xué)習(xí)的方法離線建立模型，然后根據(jù)用戶興趣模型，計(jì)算用戶對(duì)產(chǎn)品的預(yù)測(cè)評(píng)分，從而進(jìn)行推薦。相似度的計(jì)算主要的方法有Pearson相似度計(jì)算，修正的余弦相似度計(jì)算、歐幾里得距離法等[8]。

【參考文獻(xiàn)】：
期刊論文
[1]社會(huì)化推薦研究綜述[J]. 王剛,蔣軍,王含茹.  計(jì)算機(jī)科學(xué). 2018(S2)
[2]基于改進(jìn)協(xié)同過(guò)濾技術(shù)的農(nóng)產(chǎn)品推薦研究[J]. 裘進(jìn),李秋霞,章珺彧.  中國(guó)市場(chǎng). 2018(22)
[3]基于深度學(xué)習(xí)的推薦系統(tǒng)研究綜述[J]. 黃立威,江碧濤,呂守業(yè),劉艷博,李德毅.  計(jì)算機(jī)學(xué)報(bào). 2018(07)
[4]多Agent策略下的農(nóng)業(yè)電子商務(wù)個(gè)性化推薦模型和接納度研究[J]. 丁昭巧.  江蘇農(nóng)業(yè)科學(xué). 2018(01)
[5]基于TF-IDF和余弦相似度的文本分類方法[J]. 武永亮,趙書良,李長(zhǎng)鏡,魏娜娣,王子晏.  中文信息學(xué)報(bào). 2017(05)
[6]基于Spark的ItemBased推薦算法性能優(yōu)化[J]. 廖彬,張?zhí)?國(guó)冰磊,于炯,張旭光,劉炎.  計(jì)算機(jī)應(yīng)用. 2017(07)
[7]電子商務(wù)中基于潛在類回歸模型的農(nóng)產(chǎn)品個(gè)性化推薦方案[J]. 彭潔,徐劍暉,陳超.  江蘇農(nóng)業(yè)科學(xué). 2017(12)
[8]個(gè)性化推薦系統(tǒng)綜述[J]. 劉輝,郭夢(mèng)夢(mèng),潘偉強(qiáng).  常州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[9]基于本體和物聯(lián)網(wǎng)的農(nóng)產(chǎn)品推薦研究[J]. 秦志遠(yuǎn),黃海松,張慧.  食品工業(yè). 2017(04)
[10]Hadoop下基于聚類協(xié)同過(guò)濾推薦算法優(yōu)化的研究[J]. 田保軍,胡培培,杜曉娟,蘇依拉.  計(jì)算機(jī)工程與科學(xué). 2016(08)

碩士論文
[1]農(nóng)產(chǎn)品推薦模型及電商系統(tǒng)的研究與實(shí)現(xiàn)[D]. 管慶超.電子科技大學(xué) 2018
[2]面向農(nóng)產(chǎn)品的協(xié)同過(guò)濾推薦算法研究[D]. 于金明.東北農(nóng)業(yè)大學(xué) 2017
[3]基于數(shù)據(jù)挖掘的農(nóng)產(chǎn)品商城系統(tǒng)中推薦模式的研究與實(shí)現(xiàn)[D]. 李圣秋.北京郵電大學(xué) 2017
[4]面向農(nóng)資交易的推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 李寧.河南大學(xué) 2016
[5]農(nóng)產(chǎn)品電子商務(wù)語(yǔ)義推薦方法研究[D]. 魏同.安徽農(nóng)業(yè)大學(xué) 2016
[6]面向農(nóng)產(chǎn)品的電子商務(wù)推薦系統(tǒng)Grecs的研究和實(shí)現(xiàn)[D]. 郭安邦.吉林大學(xué) 2016



本文編號(hào)：3414106