[发明专利]一种面向农产品大数据的精准个性化推荐方法

权利要求书

1.一种面向农产品大数据的精准个性化推荐方法，包括以下步骤：

1)搭建农产品大数据平台：采用Hadoop提供的MapReduce分布式计算框架，搭建面向农产品大数据的计算平台；MapReduce中的核心操作是Map()和Reduce()，通过Map()和Reduce()两个函数即可实现分布式计算；Map()和Reduce()两个函数的形式参数是key、value键值对，用以表示函数的输入信息；由于用户相似性计算可以分块进行，因此能够应用MapReduce这一分布式计算框架；

2)计算消费者相似性：假定有m个消费者，用集合U＝{u₁,u₂,…,u_m}表示，有n个农产品，用集合O＝{o₁,o₂,…,o_n}表示；消费者和农产品之间的关系可以用m×n的矩阵A＝{a_ij}表示；如果消费者i选择过农产品j，那么他们之间的关系可表示为a_ij＝1，如果消费者i没有选择过农产品j，他们之间的关系a_ij＝0；令v_ij表示消费者i给农产品j的评分或评价；t_ij表示消费者i最近一次选择农产品j的时间的归一化处理结果，则受时间序列影响的评价值v’_ij可由公式(1)得到

v’_ij＝v_ij*t_ij (1)

该变量体现了消费者最近购买的农产品反映了其最新偏好；同时假定消费者i购买农产品j的地理位置信息经归一化处理为w_ij，0≤w_ij≤1；则用户相似性计算公式可表示为：

其中S_il表示消费者i和消费者l之间的相似性，a_ij和a_lj表示消费者i和消费者l对农产品j的选择情况，w_ij和w_lj分别表示消费者i和消费者l选择农产品j时的位置信息；M表示最高分值，将每个评分之差除以最高分值用以弱化打分尺度差异带来的影响；k(u_i)和k(u_l)分别表示消费者i和消费者l的度(消费者的度表示该消费者选择过多少农产品)，k(o_j)表示农产品j的度(农产品的度表示该农产品被多少消费者选择过)，α表示调节参数；

3)令P_lj表示目标消费者l对农产品j的喜好程度，则该公式可以由如下表示：

4)个性化推荐：把目标消费者没有选择过的所有商品，按照预测的喜好程度由大小进行排序，值越大说明该消费者可能喜欢的概率越大；将排名靠前的农产品推荐给消费者。