基于協同過濾算法與標簽融合的農產品電商平臺設計

劉俊彤 張佳興 韓寶平

摘 要 用戶在農產品電商平臺購買時，經常出現信息量過載的問題，導致用戶尋找心儀產品困難。同時，在新用戶注冊進入平臺后，由于推薦初期冷啟動問題，出現無法對新用戶進行推薦的情況。基于用戶尋找心儀產品困難和冷啟動問題，提出利用協同過濾算法和標簽融合，通過協同過濾算法為用戶推薦喜愛的產品，并主動發現用戶的潛在需求。在新用戶登錄時設置喜好標簽，構造用戶短期畫像，在個性化的電商平臺將用戶可能需求的產品進行個性化推薦。

關鍵詞 農產品電商平臺;協同過濾算法;冷啟動;標簽

中圖分類號：F304.3 文獻標志碼：A DOI：10.19415/j.cnki.1673-890x.2021.34.008

我國人口眾多，電子商務平臺不斷發展，迎合了人們的消費需求，從而網購成為了農產品銷售的主流消費方式。2020年1—6月，我國網絡零售額達到51 501億元，增長7.3%，其中在疫情期間，由于人們外出不便，實物零售在電商平臺的零售額創歷史新高，同比增長14.3%。而農產品食用類增長尤為明顯，同比增長38.8%[1]。在疫情期間，生鮮瓜果蔬菜等農產品在電商平臺迅速售罄，農產品銷售方式多樣，不斷在電商平臺創新，農產品的銷量一路飆升。但由于每個人的喜好不同，國內電商平臺雖然擁有推薦功能，但對于推薦農產品存在較大的誤差，人們尋找個人喜愛的農產品比較困難。我國農產品消費市場需要一個標準化、全面性的、個性化推薦的農產品電商平臺。所以，在全民網購的大背景下，亟需設計出一個能根據個人需求、喜好來推廣農產品的電商平臺。

1? 協同過濾算法

協同過濾（Collaborative Filtering，CF）是推薦系統中誕生較早、廣為使用的一種推薦算法，其利用搜集的個人及群體興趣愛好歷史行為數據來進行分析、處理，得出用戶感興趣的推薦信息[2]。協作過濾算法最重要的一點是根據興趣選擇和潛在需求創建個性化推薦。個性化推薦可以幫助銷售農產品的商家及網站迅速而有效地為消費者推薦感興趣的商品，滿足消費者的需求，提高消費者的購物效率，提升消費者的購物體驗[3]。在電子商務平臺上對不同用戶使用協同過濾算法時，采用了2種推薦協同過濾的模型，即協同用戶過濾模型、協同產品過濾算法的推薦模型。

1.1? 基于用戶相似度的協同過濾算法

基于用戶相似度的協同過濾算法通常融合了屬性相似度、用戶喜好相似度、用戶間評分相似度和用戶瀏覽相似度等相關相似度的權重計算辦法[4]。用戶間評分相似度和用戶喜好相似度采用加權平均分組合方式，由于用戶間評分相似度更穩定的能體現用戶相似度，采用相似度計算辦法一般首要選擇評分相似度，將其他相似度權重占比設置為小于評分占比。

該算法在電商平臺主要應用意義是根據用戶之間的喜好、相似度和用戶之間相互關聯來得出個性化推薦。在農產品電商平臺，依據用戶對產品的需求和偏好，尋找與用戶瀏覽或評分收藏相似度趨近的用戶，再按照用戶與用戶之間相關聯的某一點，比如：收藏、購物車等，按照相似點進行精準推薦，推薦原理如圖1。

1.2? 基于產品的協同過濾算法

基于產品的協同過濾算法通常采用最近鄰（K-Nearest-Neighbor，KNN）算法，利用用戶的歷史記錄來計算用戶之間的距離，然后利用目標用戶的最近鄰用戶對物品評價來預測目標用戶對其他未評價物品的感興趣程度，系統從而根據這一感興趣程度來對目標用戶進行推薦[5]。

該算法在電商平臺的應用意義是根據用戶對產品的喜好程度、產品頁面瀏覽次數、產品的搜索次數和產品之后可能存在的潛在需求等進行個性化推薦。在農產品電商平臺，依照用戶對于某一產品的喜好，能及時將相似的產品進行推薦給用戶。另一種計算方法是根據用戶通過瀏覽、購買或者收藏產品之后，通過用戶操作次數判斷用戶對于產品的潛在需要。

2? 協同過濾算法在系統中的設計

2.1? 基于產品評分的個性化推薦

系統設置商品打分功能及記錄用戶行為的功能，數據庫中記錄所有用戶對各個商品的點擊（瀏覽）數及購買次數。打分五分制，另外兩項數據進行歸一化處理，同樣實行五分制，購買次數占比60%，瀏覽次數占40%，計算一個分數。推薦之前需要找到目標用戶與其他用戶分別有過的相同評分或者瀏覽、購買記錄的商品，以商品評分作為第一評分標準，如果沒有就采取瀏覽點擊行為來計分。把目標用戶與其他用戶及商品構造一個user-score二維矩陣U如圖2，利用如式（1）計算目標用戶與其他用戶的相似度。

其中，R（u，i）是第u個用戶對第i個用戶的打分，R（i）是第i個物品的平均得分。用該式計算目標用戶與其他所有用戶的相似度Sim（i），然后取出前五名，把五名用戶常購買或者瀏覽的前十名并且目標用戶未購買過的產品，作為待推薦商品。

用戶對推薦的產品興趣計算公式為式（2）。

[Pu，i=simi?Ru，i]? ?（2）

最后，向目標用戶推薦前十名產品。這是推薦產品的第一種方式。

2.2? 基于產品相似度的個性化推薦

第二種推薦方式，系統設置了喜歡按鈕，用戶可點擊表示喜歡某個物品，該行為會記錄在數據庫中，然后根據式（3）計算產品的相似度。

[wij=NiNjNi]? ?（3）

在公式中，分母|N（i）|表示對產品i喜好的用戶數量，同時分子表示對產品i、產品j喜好的用戶數量。因此，式3可以理解為對產品i有喜好傾向的用戶比例中含有對產品j喜好的用戶數量。然后創建一個二維矩陣來計算物品之間的相似性，計算其他商品與該商品的相似程度，最后把與目標物品相似的其他10種物品推薦給用戶。

3? 協同過濾算法融合標簽解決冷啟動問題

傳統的協同過濾算法在初始階段存在冷啟動問題，基于物品評分和物品相似度2種推薦方式擁有局限性，由于剛注冊的新用戶沒有以上2種推薦方式所必須的內容，所以無法根據相關記錄進行推薦操作，此類問題稱為冷啟動。對于冷啟動用戶，標簽和推薦算法可以合理應用。用戶首次登陸需要選擇喜歡的標簽，標簽不僅能清晰地表達物品的屬性，還能很好地反映用戶的喜好。根據用戶的標簽選擇，構建用戶的短期畫像，并向新用戶進行短期興趣推薦。多種標簽數據的選擇與應用解決了數據稀疏的問題。結合以上兩種推薦方法，可實現無真空期推薦。

4? 與傳統農產品電商平臺比較測試

與傳統的農產品電子商務平臺相比，協同過濾算法集成了標簽，提高了農產品電子商務平臺用戶的購買體驗，拓寬了農產品銷售市場。優化提升了對于農產品的評估策略，在農產品電商平臺利用傳統協同過濾算法的基礎上增加了用戶瀏覽商品的相似度計算，使得個性化推薦時誤差值逐漸降低。根據新注冊登錄的新用戶采用標簽，在第一時間獲取到用戶的喜好和需求。

農產品電子商務平臺的設計解決了傳統農產品電子商務平臺的冷啟動問題和評分矩陣的稀疏性。

5? 結語

該平臺的設計主要解決目前互聯網資源過剩、電商平臺農產品資源繁雜、尋找心儀農產品所需時間較多等問題，在設計過程中，新用戶采用標簽記錄個人喜好進行初期個性推薦，用戶在電商平臺有瀏覽、購物行為之后，采用基于協同過濾算法對農產品進行個性化推薦，給用戶帶來了良好的購物體驗，用戶能夠在第一時間內尋找所需求的農產品。

參考文獻：

[1]? 洪濤.2020上半年中國農產品電商發展報告[J].中國商論，2020（15）：1-10.

[2]? 張淼，劉東旭.基于協同過濾算法的音樂推薦系統的研究與實現[J].電子世界，2020（10）：63-64.

[3]? 蔣文娟，蘇佳，陸娜，等.基于協同過濾算法的服裝個性化推薦研究[J].電腦知識與技術，2019（35）：194-196.

[4]? 鄧樂樂，黃俊，岳春擂.融合項目流行度與用戶間多相似度的協同過濾算法[J/OL].小型微型計算機系統：1-7[2021-12-24].http：//kns.cnki.net/kcms/detail/21.1106.TP.20210706.1015.004.html.

[5]? 曹景振，賈新磊，李松丹.基于物品的協同過濾算法在ACM在線評測推薦系統中的改進及應用[J].無線互聯科技，2018（5）：135-136，139.

（責任編輯：敬廷桃）

收稿日期：2021-07-29

作者簡介：劉俊彤（1997—），男，天津靜海人，碩士，研究方向為農業工程與信息技術。E-mail：15620997453@163.com。

*為通信作者，E-mail：hbp@bua.edu.cn。