基于协同过滤推荐算法的种子交易系统.pdf

摘要

摘要

种子交易关系着农作物的种植生产，从而与我们作为粮食消耗大国息息相关。传

统的种子交易是线下进行的，需要耗费大量人力，而且种子交易品种有限，无法满足

种植者的需求。基于此，随着信息化技术的发展，种子交易系统应运而生。种子交易

平台的出现为种植者提供了更多的选择，齐全的种子类型使交易平台更加具有普及性

和实用性，同时可以减少人力成本，因此种子交易平台受到广大种植者的青睐。然而，

随着种子交易系统数据量的积累，用户（如种植者）通常无法在系统中找到感兴趣的

种子，种子销售者也可能无法找到潜在的种子购买者。针对这一问题，本文对流行的

协同过滤推荐算法进行研究，并基于改进的算法提出一个基于协同过滤推荐的种子交

易系统。本文的具体工作内容包括以下两方面：

（1）传统的协同过滤推荐算法根据用户产生的历史行为数据进行推荐，侧重的

是已成为过去的时间维度，没有考虑到用户的兴趣度是会随时间发生变化的，并且传

统算法中存在数据稀疏性问题。本文提出了一种时间遗忘和Sigmoid函数归一化处理

的基于物品的协同过滤推荐算法（TF-SIG-ICF）。首先，在计算皮尔逊相关系数时加

入了时间遗忘函数对用户的原始评分进行衰减，以此来反映用户的兴趣变化。其次，

通过引入Sigmoid函数对预测评分进行归一化，从而缓解了传统算法中存在的数据稀

疏性问题。最后将TF-SIG-ICF算法与传统算法进行实验比较，在设置相同的近邻数

情形下，随着近邻数的增加，进行常用推荐指标验证，证明了本文提出TF-SIG-ICF

算法具有较高的稳定性和准确性。

（2）本文设计并实现了一个基于协同过滤推荐算法的种子交易系统，该系统基

B/SSpringBootMySQL

于架构，使用开发框架和数据库管理系统，实现了种子在

线交易。同时，考虑到种子的特性，对种子季节属性进行筛选，便于用户更快地找到

适合当前季节种植的种子。该系统将本文提出的时间遗忘和Sigmoid函数归一化处理

的基于物品的协同过滤推荐算法用于种子交易系统中，实现了种子推荐交易。

关键词：种子交易系统；协同过滤推荐系统；SpringBoot；Vue；MySQL

I

Abstract

Abstract

Seedtradingiscloselyrelatedtothecultivationandproductionofcrops,andis

thereforecloselyrelatedtousasamajorfoodconsumingcountry.Traditionalseedtrading

isconductedoffline,requiringalotofmanpower,andthevarietyofseedtradingislimited,

whichcannotmeettheneedsofgrowers.Basedonthis,withthedevelopmentof

informationtechnology,seedtradingsystemshaveemerged.Theemergenceofseed

tradingplatformshasprovidedgrowerswithmorechoices.Thecompleterangeofseed

typesmakestradingplatformsmorepopularandpractical,whilereducinglaborcosts.

Therefore,seedtradingplatformsarefavoredbyalargenumberofgrowers.However,with

theaccumulationofdatainseedtradingsystems,users(suchasgrowers)oftenc