基于协同过滤推荐算法的农产品电商平台的开发

摘要：通过网络购物已成为一种生活习惯。为使消费者随时随地选购农产品，同时能够方便快捷地在海量的农产品信息中确定感兴趣的商品，文章运用协同过滤推荐算法，使用Java编程语言和SQL数据库，开发了具有推荐功能的农产品电商平台。针对消费者的喜好，平台可以个性化地向其推荐农产品，从而有效提高购物效率。

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2025）02-0057-03 开放科学（资源服务） 标识码（OSID） ：

0 引言

随着网络的发展，通过电商平台购物已成为人们的一种主要生活方式。消费者对农产品的选购也可以借助电商平台。通常，在农产品电商平台上会提供海量的农产品的信息，消费者很难在短时间内选中自己满意的产品。为此，本文基于协同过滤推荐算法[1-2]，使用Java编程语言[3-4]和SQL数据库[5-6]开发了具有推荐功能的农产品电商平台。该平台可以针对消费者的喜好，个性化地向其推荐农产品，从而有效提高购物效率。

1 协同过滤算法

协同过滤算法是推荐领域应用最广泛且影响最大的推荐算法，是当下研究的热点和业界主流的应用模型[7]。该算法本质上属于机器学习方法，它能很好地解决搜索引擎的检索内容过于单一的问题[8]。协同过滤可理解为：协同以往用户给出的反馈、评价和意见等信息，将这些海量的信息进行过滤，从中筛选出目标用户可能感兴趣的信息。本文开发的平台分别运用了基于用户[9]的和基于农产品的协同过滤算法。基于用户的推荐原理是首先找到与目标用户具有相似兴趣的用户群体，然后将这些用户群体所偏好的农产品推荐给该用户。该算法主要包括两个步骤：1） 找到与目标用户兴趣相似的用户集合；2） 在这个用户集合中，找到用户感兴趣的，且目标用户不知道的农产品并推荐给目标用户。基于农产品的推荐原理是通过收集用户的订购历史，向该用户推荐其可能感兴趣的农产品。该算法主要包括两个步骤：1） 根据用户的评分数据，计算任意两个农产品之间的相似度；2） 根据农产品间的相似度和用户的历史行为，为用户生成推荐的农产品列表。

2 系统功能设计

在开发平台之前，为更好地理解系统的逻辑结构和功能需求，需要设计系统功能。系统功能设计直接决定了平台的使用价值和用户体验，可以清晰地定义平台的整体目标和需求。结合使用该平台的角色，本文将系统功能划分为前台普通用户功能模块和后台管理员功能模块。在普通用户功能模块中，具有如下主要子功能：用户的注册和登录、浏览农产品、添加到购物车、购物车商品的结算、查看订单及支付订单。前台用户通过注册和登录后，不但可以浏览所有农产品，而且也可以浏览热点推荐的和个性化推荐的农产品，然后选中自己中意的农产品加入购物车进行结算。在后台功能模块中，管理员可以对系统需要的各种信息进行管理，包括的主要子功能有：用户管理、农产品分类管理、农产品管理、订单管理和评分管理。针对每个子功能，进行管理的主要操作是查看、添加、修改及删除等。通过前后台各自一系列功能模块的实现，最终确保系统完整地实现了整体功能。

3 数据库设计

为了对平台中涉及的数据进行有效的组织和管理，需要基于实体设计数据库。实体通常指客观存在并可相互区别的某类事物的集合，每个实体都用一组属性描述它的特点和状态。根据需求分析，为平台设计了如下9 个实体，针对每个实体，给出了对应的属性。

1） 用户user（用户ID，用户名、密码、邮箱、头像、注册时间） 。

2） 管理员admin（管理员ID，管理员账号、密码） 。

3） 农产品items（农产品ID，农产品名称、类型ID、农产品图片、价格、详细信息、添加时间） 。

4） 农产品类别type（类型ID，类型名称） 。

5） 购物车cart（购物车ID，用户ID、农产品ID、农产品数量） 。

6） 订单order（订单ID，用户ID、支付账户、支付卡号、联系电话、收货地址、总价、支付时间、下单时间、收货时间、发货时间、订单状态） 。

7） 订单详细orderitem（订单详细ID，订单ID、用户ID、农产品ID、农产品单价、总价、购买数量） 。

8） 评论记录comment（评论记录ID，用户ID、农产品ID、评论时间） 。

9） 评分记录scorerecord（评分记录ID，用户ID、农产品ID、评分时间） 。

基于如上每个实体，创建相应的数据库表。下面列出其中部分数据表，包括存储农产品类别信息的表1，每个类别包含有一些农产品，表2用于存储各类别下某个农产品的具体信息，表3用于存储购物车中的具体信息。

4 平台主要功能展示

第一次使用该平台的用户需要通过注册操作填写用户名及密码等个人信息，然后登录系统。

首次登录后，用户可在如图1所示的友好简洁的界面进行操作，其中主要的操作是按类别浏览农产品，通过点击某个类别，平台显示该类别下的每个农产品的名称、图片及价格等具体信息，以便消费者了解该产品。农产品的种类包括水果、蔬菜等日常食品类农产品，也包括盆栽、花卉等观赏装饰类的商品。

当用户再次登录平台后，系统会根据其之前对农产品的浏览操作、评分操作或订购历史等行为，为该用户推荐其可能感兴趣的农产品。如图2所示，因该用户之前在平台浏览或购买或评论过一些花卉，当再次进入系统时，在“个性化推荐”模块中，用户可看到系统为其推荐的紫玉兰、杜鹃花等的相关信息。在推荐的产品列表中选择满意的商品下单，提高了消费者的购物效率。

用户选中满意的农产品但不准备立马结算时，可将该产品直接加入如图3所示的购物车中以便暂存该商品。对购物车中暂存的多个农产品结算时，为了避免多次独立购买的烦琐过程，可选中这些商品进行一次性结算。将农产品加入购物车，还可方便用户查看车中每个农产品的品牌、价格等详细信息，有助于用户对农产品进行全面的比较和慎重地选择。在购物车中随时查看所有农产品的数量等的同时，还可以对商品进行增删改等操作，然后决定是否结算。购物车具有保存用户购物记录的功能，用户可随时查看以前的成交记录，有助于追踪订单或再次购买同一农产品。

在评论区模块中，买家的真实评价可以让消费者看到商品的品质好坏、实物效果以及商家服务等方面的优劣，好的评价能让消费者打消顾虑，确定购买意向。因此，在购买农产品之前，用户可以通过读取其他人的评论了解该产品的优劣、新鲜度等方面的信息，以便做出更明智的购买决策。同样地，当用户的一笔交易完成后，强烈建议该用户在如图4所示的“添加评论”区对所购的农产品积极主动地进行评价，一方面有助于给未来的消费者提供借鉴，另一方面还可以鞭策商家把好产品的质量关。

5 结束语

现如今，人们的生活已离不开网络。通过网络提供的电商平台购物已成为一种主流消费。为使消费者足不出户且快捷高效地在大量农产品信息中购买到满意的商品，本文开发了基于协同过滤推荐算法的农产品电商平台，该平台可以根据消费者的喜好向其推荐感兴趣的农产品，从而节约了选购时间。

参考文献：

[1] 凌婷.协同过滤推荐算法研究进展[J].信息记录材料，2023，24（11）：16-18.

[2] 秦育华.基于Python的用户协同过滤推荐系统的研究与实现[J].电脑知识与技术，2020，16（31）：234-236.

[3] 张白一，崔尚森，张辰.面向对象程序设计：Java：高等学校计算机专业“十二五” 规划教材[M].第3版.西安：西安电子科技大学出版社，2013.

[4] 许敏，史荧中.Java程序设计案例教程[M].2版.北京：机械工业出版社，2022.

[5] 明日科技.MySQL从入门到精通[M].3版.北京：清华大学出版社，2023.

[6] 赵增敏.SQL Server 2000实用教程[M].2版.北京：电子工业出版社，2008.

[7] 孙红梅.协同过滤推荐算法的优化研究[J].电脑知识与技术，2022，18（13）：88-90.

[8] 秦灿，李旭东.浅析协同过滤推荐算法[J].电脑知识与技术，2019，15（13）：288-291.

[9] 张双庆.一种基于用户的协同过滤推荐算法[J].电脑知识与技术，2019，15（1）：19-21.

【通联编辑：朱宝贵】

基金项目：该文得到扬州大学高层次人才基金（137011145， 137011144） 资助