刘俊彤，张佳兴，韩宝平

（北京农学院计算机与信息工程学院，北京 102206）

我国人口众多，电子商务平台不断发展，迎合了人们的消费需求，从而网购成为了农产品销售的主流消费方式。2020 年1—6 月，我国网络零售额达到51 501 亿元，增长7.3%，其中在疫情期间，由于人们外出不便，实物零售在电商平台的零售额创历史新高，同比增长14.3%。而农产品食用类增长尤为明显，同比增长38.8%[1]。在疫情期间，生鲜瓜果蔬菜等农产品在电商平台迅速售罄，农产品销售方式多样，不断在电商平台创新，农产品的销量一路飙升。但由于每个人的喜好不同，国内电商平台虽然拥有推荐功能，但对于推荐农产品存在较大的误差，人们寻找个人喜爱的农产品比较困难。我国农产品消费市场需要一个标准化、全面性的、个性化推荐的农产品电商平台。所以，在全民网购的大背景下，亟需设计出一个能根据个人需求、喜好来推广农产品的电商平台。

1 协同过滤算法

协同过滤（Collaborative Filtering，CF）是推荐系统中诞生较早、广为使用的一种推荐算法，其利用搜集的个人及群体兴趣爱好历史行为数据来进行分析、处理，得出用户感兴趣的推荐信息[2]。协作过滤算法最重要的一点是根据兴趣选择和潜在需求创建个性化推荐。个性化推荐可以帮助销售农产品的商家及网站迅速而有效地为消费者推荐感兴趣的商品，满足消费者的需求，提高消费者的购物效率，提升消费者的购物体验[3]。在电子商务平台上对不同用户使用协同过滤算法时，采用了2 种推荐协同过滤的模型，即协同用户过滤模型、协同产品过滤算法的推荐模型。……