[发明专利]一种面向农业互联网web资源的时空推荐方法及系统

说明书

本发明公开一种面向农业互联网web资源的时空推荐方法及系统，该方法包括：获取用户登录时的IP地址、访问时间以及用户选取的待推荐的农业资源的地区相关度权值和节气相关度权值；确定待推荐的农业资源对应地区、对应节气；判断地区相关度权值是否为第一设定值，节气相关度权值是否为第二设定值，地区相关度权值为第一设定值，节气相关度权值为第二设定值，则根据地区及节气进行推荐，获得综合推荐结果；否则，则判断地区相关度权值是否为1，节气相关度权值是否为0，若是，则根据地区进行推荐，获得地区推荐结果；否则，根据节气进行推荐，获得节气推荐结果。采用本发明方法或系统实现了农业科技服务云平台中的个性化推荐功能。

技术领域

本发明涉及农业个性化推荐领域，特别是涉及一种面向农业互联网web资源的时空推荐方法及系统。

背景技术

随着智能农业的发展，农业个性化推荐的需求也变得日益重要。而在现有的大部分提供推荐功能的平台基本上都会采用比较成熟的推荐算法，比如协同过滤算法。以用户为基础(User-based)的协同过滤、以项目为基础(Item-based)的协同过滤。

其中，以用户为基础(User-based)的协同过滤用相似统计的方法得到具有相似爱好或者兴趣的相邻用户，所以称之为以用户为基础(User-based)的协同过滤或基于邻居的协同过滤(Neighbor-based Collaborative Filtering)。方法步骤：1.收集用户信息

收集可以代表用户兴趣的信息。一般的网站系统使用评分的方式或是给予评价，这种方式被称为“主动评分”。另外一种是“被动评分”，是根据用户的行为模式由系统代替用户完成评价，不需要用户直接打分或输入评价数据。电子商务网站在被动评分的数据获取上有其优势，用户购买的商品记录是相当有用的数据。

2.最近邻搜索(Nearest neighbor search,NNS)

以用户为基础(User-based)的协同过滤的出发点是与用户兴趣爱好相同的另一组用户，就是计算两个用户的相似度。例如：查找n个和A有相似兴趣用户，把他们对M的评分作为A对M的评分预测。一般会根据数据的不同选择不同的算法，目前较多使用的相似度算法有Pearson Correlation Coefficient、Cosine-based Similarity、Adjusted CosineSimilarity。

3.产生推荐结果

有了最近邻集合，就可以对目标用户的兴趣进行预测，产生推荐结果。依据推荐目的的不同进行不同形式的推荐，较常见的推荐结果有Top-N推荐和关系推荐。Top-N推荐是针对个体用户产生，对每个人产生不一样的结果，例如：通过对A用户的最近邻用户进行统计，选择出现频率高且在A用户的评分项目中不存在的，作为推荐结果。关系推荐是对最近邻用户的记录进行关系规则(association rules)挖掘。

以项目为基础(Item-based)的协同过滤，以用户为基础的协同推荐算法随着用户数量的增多，计算的时间就会变长，所以在2001年Sarwar提出了基于项目的协同过滤推荐算法(Item-based Collaborative Filtering Algorithms)。以项目为基础的协同过滤方法有一个基本的假设“能够引起用户兴趣的项目，必定与其之前评分高的项目相似”，通过计算项目之间的相似性来代替用户之间的相似性。方法步骤：1.收集用户信息

同以用户为基础(User-based)的协同过滤。

2.针对项目的最近邻搜索

先计算已评价项目和待预测项目的相似度，并以相似度作为权重，加权各已评价项目的分数，得到待预测项目的预测值。例如：要对项目A和项目B进行相似性计算，要先找出同时对A和B打过分的组合，对这些组合进行相似度计算，常用的算法同以用户为基础(User-based)的协同过滤。

3.产生推荐结果