农业种植技术个性化推荐是运用推荐算法为农业用户推荐所需的种植技术,缓减信息过载,提高农业生产效率的技术。它是农业领域信息化服务建设的重要组成部分。为了提高农业用户的种植技术推荐服务质量,本文结合农业种植场景的特征,利用数据挖掘领域的个性化推荐对农业用户和农业种植技术从用户特征建模、个性化推荐算法、推荐系统三方面展开研究。本文对推荐所需的种植技术给农户具有参考意义。（1）静动态双维度农业用户特征构建。针对农户行为信息缺失,基于农户基本信息,采用中文分词的方法构建了农户静态特征。针对农户种植作物发生变化,采用多项式朴素贝叶斯分类方法建立了农户静态特征更新模型。基于农户行为信息,采用TFIDF方法提取出表示种植技术内容的特征词及权重,根据农户的不同行为次数,利用信息熵的计算方法得到不同行为类型的权重,结合时间衰减函数和行为次数来获取与更新用户动态特征标签,建立了农户动态特征自适应模型。实验表明,基于用户特征的推荐准确率可达到72.3%。（2）农业种植技术推荐算法设计。针对传统推荐算法考虑因素单一,推荐准确率低的问题,通过两种计算方法从不同角度计算用户相似度,基于用户特征采用Jaccard相似系数计算用户相似度,基于用户评分采用修正后的余弦相似度计算用户相似度,并调节加权因子融合用户相似度,找到近邻用户,产生Top-N推荐。针对冷启动问题,采用基于用户特征的推荐找到近邻用户产生推荐,解决了用户冷启动问题。针对评分矩阵稀疏,通过Slope One预测没有评分项进行回填的方法,缓解了矩阵稀疏的问题。针对随着用户和项目数的增加推荐算法出现的可扩展性差的问题,利用K-means聚类找到最相似的群体和种植技术推荐对地域因素的强依赖来进行筛选,优化了推荐算法的可扩展性。实验表明,本文构建的推荐算法相比基于用户的协同过滤和基于用户特征的推荐在准确率上提高了1.50%和6.78%,召回率提高了1.03%和9.02%,F1值为70.63%。（3）农业种植技术个性化推荐系统设计与实现。针对农业种植技术的推荐问题,将农业种植技术推荐算法嵌入到推荐系统中,采用Django框架构建系统,将推荐结果展示给用户。并针对系统用户特征表征的问题,依托农业用户特征模型,采用ECharts将构建与更新后的用户特征进行可视化展示。该系统便于推广,且能有效帮助农业从业人员获取所需的种植技术。