[发明专利]一种基于协同过滤的农场产品推荐系统及方法

说明书

本发明公开了一种基于协同过滤的农场产品推荐系统及方法，具体步骤如下：步骤一：录入农场用户历史行为数据，步骤二：建立农场用户与产品的评分矩阵，步骤三：计算用户的相似度，步骤四：采用预设的分类算法对用户进行分组，步骤五：根据不同用户的相似度预测不同组内用户未评分的产品的评分结果，步骤六：根据评分结果进行推荐输出。通过该推荐系统，对用户未评分项进行评分预测，从而有效地解决农场游戏中用户评价不完整所导致的推荐精度低的问题，同时该发明计算方法简单，步骤少，复杂度小，计算精确度高，有效的提高了向农场用户推荐具体的养殖或种植产品的速度和精确度，提升了用户的体验感。

技术领域

本发明涉及精准化产品推荐相关技术领域，具体为一种基于协同过滤的农场产品推荐系统及方法。

背景技术

当今社会，随着电商行业的快速发展，之前流行的线上虚拟农场已经不能够满足当代人的需求，当代市民已经不满足于在虚拟农场中种菜，“偷菜”，这些虚拟的操作，所以基于虚拟农场和现实农场的线上线下结合的模式已经开始流行起来。这种模式在满足了市民的娱乐需求的同时，还通过线下配送满足了用户对于高质量农产品的需求。

目前针对虚拟农场和现实农场结合的模式的农产品推荐方法很少，在面对农场中大量的养殖或者种植品种信息，如何根据不同的用户筛选、过滤出其感兴趣的信息，做到精准化推荐产品，使得用户的线上操作更加高效，增强用户的使用感和体验感，是当前该领域的推荐系统需要解决、优化的核心问题。

目前，使用最多的推荐方法是协同过滤推荐方法，基于项目的协同过滤推荐其核心思想是给用户推荐那些和他们之前喜欢的物品相似的物品，但是基于项目的协同过滤推荐并不利用物品的内容属性计算物品的相似度，它主要通过分析用户的行为记录计算物品的相似度。

CN108389113A公开了一种推荐方法和系统，根据项目评分的相似度与项目标签的相似度进行融合，设计出了新的项目相似性度量方法。

CN104751353A公开了基于聚类和slope one预测的协同过滤方法，引入属性相似性改善slope one预测模型，并与用户聚类相结合应用于协同过滤推荐。

然而，进一步的研究表明，上述的协同过滤推荐没有区分用户之间的差异性，只是单一的考虑了用户评价的反馈信息，已知的评分记录是很少的，容易因数据稀疏性问题导致用户体验性降低，推荐效果并不是很好。

发明内容

本发明的目的在于提供一种基于协同过滤的农场产品推荐系统及方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于协同过滤的农场产品推荐系统及方法，该种基于协同过滤的农场产品推荐系统及方法包括以下基本步骤：

步骤一，录入农场用户数据：所述用户数据包括大量的农场用户历史行为数据。

步骤二，生成评分矩阵：处理所录入的农场用户数据，生成用户—农场产品的评分矩阵，所述评分矩阵表示为R(m，n)，其中，m为农场用户数，n为农场产品数。

步骤三，计算用户相似度：分别计算不同用户之间的相似度sim(x，y)。

步骤四，用户分组：采用预设的分类算法对所有用户进行分组，可以更精确对用户进行分类。

步骤五，预测用户对未评分的农场产品的评分:采用以下公式计算用户x对未评分产品j的评分

其中，sim(x，y)表示农场用户x与农场用户y之间的相似性，和分别表示用户x和用户y对产品评分的平均值，N(x)表示所述用户x的最近邻居集合，y_j表示用户y对产品j的评分。

步骤六，推荐输出：根据步骤五预测出用户对未评分的农场产品的评分结果进行精准化的农场产品推荐。