農產品的個性化推薦方法研究

劉曉鵬，楊懷卿，楊 華

（山西農業大學信息科學與工程學院，山西 太谷030800）

1 個性化推薦算法中存在的問題

據研究，目前常用的產品個性化推薦方法主要包括：基于人口統計學推薦算法、基于內容推薦算法、協同過濾推薦算法等。

基于人口統計學推薦算法是將每個用戶的個人數據進行建模，使用人口統計學的方法推薦產品存在過度依賴用戶個人數據，協同過濾算法是推薦系統中實際應用較早，推薦效果較高的一種算法。協同過濾主要包括：基于用戶的協同過濾和基于產品的協同過濾算法。

如表1所示，T表示用戶對產品感興趣，F表示不感興趣，用戶3為目標用戶。

表1 基于用戶的協同過濾推薦

分析各個用戶對產品的感興趣程度。采用基于用戶的協同過濾算法進行產品推薦時，存在和基于人口統計推薦方法一樣的計算用戶與用戶之間相似的問題，且推薦的產品往往是與目標用戶有著相同喜好的熱門產品。

表2 基于產品的協同過濾推薦

表2中，T表示用戶對產品感興趣，F表示不感興趣，用戶3為目標用戶。分析各個用戶對產品的感興趣程度。使用基于產品的協同過濾算法推薦產品，能為用戶推薦感興趣的類似產品，但基于產品的協同過濾算法需要分析產品的相似度，不適合用于產品種類更新較快的領域。

2 面向農產品的混合協同過濾算法

文章將基于內容的協同過濾算法和基于用戶的協同過濾算法進行結合，提出了一種混合協同過濾算法。如圖1所示。

圖1 面向農產品的混合協同過濾算法

如圖1所示，根據Top-N和Top-M生成策略分析出候選項后需要經過產品選擇策略和替補策略共同決定推薦給目標用戶的最終產品列表。

由于可供用戶選擇的農產品種類較多，產品推薦首先要考慮按類別對用戶進行推薦。其次，可以通過用戶對某些產品的關注程度。因此，文章選擇基于產品類別的點擊率衡量方法作為產品選擇的基礎策略。整理Top-N和Top-M策略生成的候選項，去除掉候選項中重復的產品。系統根據用戶對兩種生成策略推薦的產品的點擊量對兩種生成策略加權，來判斷將哪種策略推薦的產品反饋給用戶。

Top-N和Top-M策略生成候選項需要使用用戶歷史數據，當用戶的歷史數據較少時或是注冊的新用戶沒有歷史數據，推薦算法將產生冷啟動問題。為了避免冷啟動問題，系統將平臺熱門產品或銷量較高的產品作為候補推薦項推薦給用戶。待用戶的歷史數據能夠支持生產策略，系統再按照產品選擇策略對用戶進行推薦。

3 面向農產品的個性化推薦方法實現

農產品個性化推薦的實現包括對用戶歷史瀏覽、購買、評分等數據的采集，將獲取的數據通過推薦算法進行分析得到產品候選項，對產品候選項進行重復過濾和冷問題替補得到最終產品推薦列表，將產品列表反饋給目標用戶。具體流程如圖2所示。

圖2 面向農產品的個性化推薦架構

3.1 用戶數據采集

系統采用的混合協同過濾方法主要是對用戶的歷史行為數據進行分析。進行數據分析之前，需要將用戶的歷史記錄進行數據化表示。用瀏覽的網址、瀏覽該網址的用戶ID、瀏覽時間等具體數據的集合來描述瀏覽記錄。用購買產品的網址、購買產品的用戶ID、購買時間等具體數據的集合來描述購買記錄。用產品ID、用戶ID、評分等級、評價等具體數據的集合來描述用戶評分行為。用戶通過網頁提交表單，系統將用戶輸入的評分、評價轉換成字符串存儲至數據庫中，可從數據庫中獲取該信息。

3.2 產品候選推薦和產品過濾

產品候選推薦的好壞關系到個性化產品推薦的準確性和有效性，是產品推薦模塊的核心部分。

首先獲取用戶歷史行為數據，通過Top-N和Top-M兩種策略生成Top-（N+M）種候選項，候選項集合作為推薦的初步結果。接著對候選項集合進行遍歷，將不適合性較高的產品去除掉。當用戶歷史行為數據過少時，產生用戶推薦點擊率產品作為替補加入候選項中。

3.3 產品推薦應用

產品的推薦應用既要合理、高效的利用系統頁面，又要適度、有效的展示給用戶。

推薦產品的展示應該高度滿足用戶對產品主要信息需求。因此，在設計農產品推薦應用模塊時要充分掌握用戶對哪類農產品的什么數據比較關注。充分理解使用者的購買心理，將消費者關注的信息以明顯的方式向用戶展示。為了提高個性化推薦的效率，合理部署、安排推薦列表在系統頁面的位置能大大提高用戶的關注度。

農產品電商平臺的主頁是每個用戶登錄后跳轉的第一個頁面，將推薦列表設置在主頁顯眼的位置能第一時間吸引到用戶關注。當用戶通過賬號登錄到系統主頁時，系統通過獲取用戶唯一標識用戶ID字段，將該字段的用戶定位為推薦目標用戶并獲取該ID在數據庫中存儲的信息數據，將這些信息傳輸至推薦信息數據庫來進行推薦分析。

4 結論

文章分析了幾種常見的推薦方法存在的缺陷，根據其存在的弊端，改進了傳統協同過濾算法從而提出了一種適合面向農產品的個性化推薦算法。最后，通過農產品推薦的效果對改進的算法進行了測試與分析，證實了該推薦算法對農產品個性化推薦效果較好。