1.1.1研究背景

近年来，随着我国政府不断加大“三农”问题重视力度，再加上2020年以来受新冠疫情影响，农产品电商模式已成为“互联网+农业”的典型表现形式，并使得农产品销售迎来新的机遇，吸引了众多企业加入农产品电商发展中，先后出现了如顺丰优选、惠农网等一大批农产品电商平台。

虽然用户可以在农产品电商平台购买自己喜欢的产品，但是，随着电子商务交易量的增大，各类用户信息也不断更新，大大增加了平台获取有效、感兴趣的用户信息难度，出现了“信息过载”现象!。例如，在浏览商品时，用户往往需要浏览大量无关信息，容易造成信息迷茫，无法快速找到自己喜欢的商品，容易产生潜在消费者流失、销售低迷等现象。

1.1.2研究意义

为了有效地帮助用户发现其感兴趣的商品，许多学者将检索技术、推荐技术等信息过滤技术应用到电子商务中，尤其是推荐技术逐渐成为电子商务系统的主流信息过滤技术。利用相应的推荐算法如协同过滤算法、基于内容的过滤算法等，推荐技术无需明确用户需求，只需要从用户浏览记录等各类信息为特征，建立基于该用户的消费或偏好模型,将可能符合该用户口味或消费习惯的、兴趣契合度高的潜在商品推荐给该用户, 实现商品推荐的目的。目前，推荐技术已成功应用于旅游、新闻资讯、电子商务等领域，并开发了一系列推荐系统如视频推荐系统、新闻推荐系统、外卖推荐系统等。

经过认真分析已有农产品电商推荐平台，这些平台存在以下问题:

(1）已有农产品电商推荐平台的推荐精度不高，无法为用户精准推荐其所需商品。(2）推荐算法效率不高，推荐时间较长，降低用户购买商品的欲望，减少了潜在消费者的交易量。

(3）较少有平台根据农产品自身特有属性设计配套的推荐系统。

针对农产品电商中存在的“信息过载”、推荐精度和推荐效率低等问题，本文将通过改进用户相似度计算方法完成相关推荐算法改进，提高改进算法的执行效率和准确度，并利用相关技术开发一个农产品电商推荐系统，这对于提高农产品精准推荐效率、节约用户浏览时间、提升用户购物体验、加快农产品电商建设进程等方面具有重要的理论和现实意义。

1.2国内外研究现状

1.2.1 推荐技术研究现状

随着互联网技术的不断普及，为了实现自身产品增值，传统产业纷纷转型，各种依托推荐技术的电商平台相继出现。推荐技术不仅能较为准确地预测用户的消费倾向、有效解决“信息过载”问题，更是一种能增加用户平台黏着性、提高产品销售额的重要营销手段，可以为电商企业带来巨大的经济效益。

经过国内外学者的不懈努力，推荐技术日益成熟。

随着互联网的不断普及，电子商务开始融入到人们日常生活中。随着各大电商平台竞争越来越激烈，先进的推荐系统的重要性便凸显出来。

在国外，电商巨头亚马逊（Amazon）率先引入推荐系统，不仅提高了用户的黏着性，还快速地提升了销售额，扩大了市场占有率。亚马逊引入推荐系统的案例，成功吸引了电商领域内其他企业的注意，在农产品电商领域，Farmigo、Local Harvest、Hello Fresh等农产品电商企业纷纷将推荐系统引入了自身平台中，不仅增加了企业的经济效益，还提高了用户的忠诚度和商品成交量。

在国内，随着国家加大精准扶贫的重视力度，农产品电商不仅成为经济欠发达农村新的经济创收点，更是作为一个新兴事物吸引了大量企业的资金注入。

整体来看，与国外相比，我国农产品电商推荐技术起步较晚，但是发展速度很快，也有众多电商企业加入，农产品电商市场潜力大。

2.技术路线

本文技术路线主要分三个步骤:首先，结合协同过滤算法和农产品电子商务特点，选择融合用户基本信息和用户偏好的协同过滤算法来实施农产品推荐。其次，通过传统方法分析，提出相应的改进算法，并做出相应的实验对比。最后，构建基于改进算法的农产品推荐模型、设计并开发相应的农产品推荐系统，完成本文的主要研究任务。