基于大数据的农产品推荐方法及系统

本技术涉及大数据推荐，具体而言，涉及一种基于大数据的农产品推荐方法及系统。

背景技术：

1、当前的农产品推荐算法主要分为基于协同过滤的算法、基于内容的推荐算法。基于协同过滤的算法采用用户兴趣偏好向其他用户进行农产品推荐，若两组用户具有相似的行为喜好，则对他们的农产品推荐也是类似的。协同过滤算法在发展过程中经历了三个阶段：基于领域的协同过滤算法、基于物品相似度的协同过滤算法、基于模型的协同过滤算法。其中基于模型的协同过滤算法包括贝叶斯、聚类、决策树、奇异值分解等方法，采用评分数据对用户的兴趣偏好进行预测。基于内容的推荐算法需要参考用户评论、图片等信息，通过提取农产品特征并构建农产品特征模型、收集用户喜好构建用户特征模型、匹配用户特征和农产品特征之间的关联性计算推荐结果这三个步骤实现对用户和农产品之间的关联。

2、但现有的农产品推荐算法，难以考虑到相似农产品之间的相似性认可度，导致为用户推荐相似农产品时难以取得较好的推荐效果。

技术实现思路

1、本技术实施例的目的在于提供一种基于大数据的农产品推荐方法及系统，考虑相似农产品之间的相似性认可度，以提升为用户推荐相似农产品时的推荐效果。

2、为了实现上述目的，本技术的实施例通过如下方式实现：

3、第一方面，本技术实施例提供一种基于大数据的农产品推荐方法，包括：获取农产品数据集，其中，所述农产品数据集中包含n种农产品的农产品信息和用户评价信息；基于所述用户评价信息，确定出每种农产品的农产品评分；基于所述农产品信息，确定出每种农产品对应的m种相似农产品；基于所述用户评价信息，确定出每种农产品与其对应的m种相似农产品之间的相似度置信指数；针对每种农产品：基于当前农产品对应的m种相似农产品的相似度置信指数和农产品评分，确定出m种相似农产品的推荐指数；基于m种相似农产品的推荐指数，确定出当前农产品对应的待推荐农产品。

4、结合第一方面，在第一方面的第一种可能的实现方式中，获取农产品数据集，包括：获取农产品原始数据集；对所述农产品原始数据集进行数据清洗，得到所述农产品数据集。

5、结合第一方面，在第一方面的第二种可能的实现方式中，基于所述用户评价信息，确定出每种农产品的农产品评分，包括：针对每种农产品：获取当前农产品关联的用户评价信息，其中，每条用户评价信息包含对当前农产品在多个指标上进行评价的指标评分；基于当前农产品关联的每条用户评价信息的指标评分，计算出当前农产品对应的农产品评分，最终得到每种农产品的农产品评分。

6、结合第一方面，在第一方面的第三种可能的实现方式中，农产品信息包括农产品的名称、类型、口感、风味、尺寸、处理难度，基于所述农产品信息，确定出每种农产品对应的m种相似农产品，包括：针对每种农产品：判断第x种其他农产品的类型与当前农产品的类型是否一致，其中，其他农产品为所述农产品数据集中除当前农产品之外的农产品，1≤x≤n-1；若不一致，确定第x种其他农产品与当前农产品的相似度为零；若一致，根据第x种其他农产品的口感、风味、尺寸、处理难度和当前农产品的口感、风味、尺寸、处理难度，计算出第x种其他农产品与当前农产品的相似度；基于每种其他农产品与当前农产品的相似度，确定出与当前农产品的相似度最高的m种相似农产品。

7、结合第一方面的第三种可能的实现方式，在第一方面的第四种可能的实现方式中，基于所述用户评价信息，确定出每种农产品与其对应的m种相似农产品之间的相似度置信指数，包括：针对每种农产品：从所述用户评价信息中获取同时关联当前农产品与第j种相似农产品的多组协同用户评价信息，其中，每组协同用户评价信息包含一个当前农产品的用户评价信息和一个第j种相似农产品的用户评价信息，且一组协同用户评价信息来源于同一用户，1≤j≤m；基于每组协同用户评价信息，分别确定出当前农产品的协同置信评分和第j种相似农产品的协同置信评分；基于当前农产品的农产品评分、协同置信评分和第j种相似农产品的农产品评分、协同置信评分，确定出当前农产品与第j种相似农产品之间的相似度置信指数。

8、结合第一方面的第四种可能的实现方式，在第一方面的第五种可能的实现方式中，基于当前农产品的农产品评分、协同置信评分和第j种相似农产品的农产品评分、协同置信评分，确定出当前农产品与第j种相似农产品之间的相似度置信指数，包括：基于以下公式计算当前农产品与第j种相似农产品之间的相似度置信指数：

9、

10、其中，当前农产品为第i种农产品；为第i种农产品与对应的第j种相似农产品之间的相似度置信指数；pi为第i种农产品的农产品评分；pi′为第i种农产品的协同置信评分；pji为第i种农产品对应的第j种相似农产品的农产品评分；pji′为第i种农产品对应的第j种相似农产品的协同置信评分。

11、结合第一方面的第五种可能的实现方式，在第一方面的第六种可能的实现方式中，基于当前农产品对应的m种相似农产品的相似度置信指数和农产品评分，确定出m种相似农产品的推荐指数，包括：针对当前农产品的m种相似农产品，采用以下公式计算每种相似农产品的推荐指数：

12、

13、其中，当前农产品为第i种农产品；为第i种农产品对应的第j种相似农产品的推荐指数；为第i种农产品与对应的第j种相似农产品之间的相似度置信指数；pji为第i种农产品对应的第j种相似农产品的农产品评分。

14、结合第一方面的第六种可能的实现方式，在第一方面的第七种可能的实现方式中，基于m种相似农产品的推荐指数，确定出当前农产品对应的待推荐农产品，包括：基于所述用户评价信息，确定出偏好当前农产品的目标用户；从当前农产品对应的m种相似农产品中，确定出推荐指数最高的一种或多种相似农产品作为待推荐农产品，将待推荐农产品推送给所述目标用户。

15、第二方面，本技术实施例提供一种基于大数据的农产品推荐系统，包括：农产品数据集获取单元，用于获取农产品数据集，其中，所述农产品数据集中包含n种农产品的农产品信息和用户评价信息；农产品评分确定单元，用于基于所述用户评价信息，确定出每种农产品的农产品评分；相似农产品确定单元，用于基于所述农产品信息，确定出每种农产品对应的m种相似农产品；置信指数计算单元，用于基于所述用户评价信息，确定出每种农产品与其对应的m种相似农产品之间的相似度置信指数；推荐指数计算单元，用于针对每种农产品：基于当前农产品对应的m种相似农产品的相似度置信指数和农产品评分，确定出m种相似农产品的推荐指数；农产品推荐单元，用于基于m种相似农产品的推荐指数，确定出当前农产品对应的待推荐农产品。

16、有益效果：

17、1.通过获取农产品数据集，利用用户评价信息确定出每种农产品的农产品评分，利用农产品信息确定出每种农产品对应的m种相似农产品，再利用用户评价信息确定出每种农产品与其对应的m种相似农产品之间的相似度置信指数(反映相似农产品之间的相似性认可度)，然后基于当前农产品对应的m种相似农产品的相似度置信指数和农产品评分，确定出m种相似农产品的推荐指数，进一步确定出当前农产品对应的待推荐农产品。这样能够很好地考虑到相似农产品之间的相似性认可度，从而提高农产品推荐的效果。

18、2.从农产品的名称、类型、口感、风味、尺寸、处理难度等多个维度来确定农产品之间的相似度，以此确定出与当前农产品的相似度最高的m种相似农产品，从用户评价信息中获取同时关联当前农产品与第j种相似农产品的多组协同用户评价信息(每组协同用户评价信息包含一个当前农产品的用户评价信息和一个第j种相似农产品的用户评价信息，且一组协同用户评价信息来源于同一用户)，利用每组协同用户评价信息分别确定出当前农产品的协同置信评分和第j种相似农产品的协同置信评分，然后通过设计的计算方式，计算出当前农产品与第j种相似农产品之间的相似度置信指数。设计的相似度置信指数计算方式，利用当前农产品的农产品评分、协同置信评分和第j种相似农产品的农产品评分、协同置信评分等作为计算依据，能够很好地考虑到同一用户对当前农产品和相似农产品的评价，能够准确反映用户对当前农产品和相似农产品之间的认可度，而在具体计算式，利用设计的三角函数来计算相似度置信指数，能够很好地考虑到用户对当前农产品和相似农产品之间的评价差异，使得得到的相似度置信指数能够精准反映用户对相似农产品与当前农产品之间的相似度认可程度，从而有效提高为用户推荐相似农产品时的推荐效果。

19、3.利用当前农产品对应的m种相似农产品的相似度置信指数和农产品评分，计算出m种相似农产品的推荐指数，然后从当前农产品对应的m种相似农产品中，确定出推荐指数最高的一种或多种相似农产品作为待推荐农产品，将待推荐农产品推送给目标用户(偏好当前农产品的目标用户)。由此可以实现相似农产品的精准推荐，从而显著提升农产品的推荐效果。

20、为使本技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。