论文部分内容阅读
随着大数据处理技术与农产品电子商务平台的兴起,农产品销售的品种和渠道越来越多样化,农产品电商平台销售数据呈现海量多变等特点,然而大多数农产品在电商平台中并不热门,导致用户无法第一时间准确找到适合自己的商品,因此,农产品电商平台智能推荐方法成为高效满足个性化需求的重要手段。针对传统推荐方法存在耗时长、效率低的问题,本文提出了基于大数据处理技术的农产品电商平台智能推荐方法的研究,为农产品电商平台上商家的精准销售与用户的个性化消费提供智能决策依据。主要研究内容如下:(1)提出了基于Spark平台的农业大数据处理方法。首先搭建Spark流式计算平台,通过对Hadoop与Spark大数据处理平台性能对比实验分析,在处理相同大数据量的条件下,Spark平台比Hadoop平台的计算结果更加快速和准确。验证结果表明:Spark平台更适合进行农业大数据的有效处理,确定Spark平台处理农业大数据方法,进行下一步研究。(2)进行了基于主题加权融合协同过滤算法的农产品智能推荐方法研究。首先将文档主题算法与矩阵分解算法混合,形成文档主题与矩阵分解混合算法;然后将基于物品的协同过滤算法和文档主题与矩阵分解混合算法进行加权融合,形成主题加权融合协同过滤算法,并进行了农产品智能推荐方法的验证。实验结果表明:主题加权融合协同过滤农产品混合推荐算法较好地刻画了农产品之间的关联度,为农产品相似度计算提供良好的技术支撑。依据准确率、多样性和RMSE三个测评标准,验证了基于主题加权融合协同过滤算法的农产品智能推荐方法较单一推荐算法更具优势,可为农产品智能推荐系统提供可靠的技术保障。(3)设计与开发了基于Spark平台的农产品智能推荐系统。将上述研究成果集成在Spark流式计算平台上,构建具有农产品查询、智能推荐、农产品管理和用户管理四大功能模块的基于Spark平台的农产品智能推荐系统。农产品查询模块实现了用户行为数据集分析处理功能;智能推荐模块提供了多种智能推荐方法校验功能;农产品管理模块实现了农产品评价主题模型构建与销售走势动态分析功能;用户管理模块确保了对用户农产品购买行为信息的完全收录与及时更新。该系统实现了农产品销售和购买行为匹配效率与准确度的有效提升,为农产品电商平台智能推荐提供了良好依据。本文利用多种大数据技术分析农产品电商平台用户的行为特征,为用户推荐感兴趣的商品,为商家拓宽销路,大大增加了农产品售出几率,降低其运营成本,为解决农产品的买难卖难问题提供解决方案,为国民经济水平的提高提供了有力支撑。