行业领域： 电子信息|生物医药                            

合作方式：成果转让

一、技术摘要

本发明公开了一种用于农资电子商务的基于Q学习的多agent主动推荐方法,其特征在于,包括如下步骤：1、构建多agent主动推荐系统；2、状态定义；3、初始化；4、Q学习计算与推荐方向选择；5、推荐动作执行；6、状态转换；7、迭代与更新,直到满足终止条件为止。本发明有利于在大规模数据环境下消减信息过载带来的消费盲区,实现对海量信息的筛选和快速定位。

二、技术背景

农业生产资料主要包括化肥、农药、农膜、种子、饲料、农机具等几大类商品,是重要的农业生产要素,其中种子、化肥、农药等农资作为农业关键生产材料,直接关系农产品的产量与质量,对于保障农业生产,增加农民收入,维护国家粮食安全都有着特别重要的意义。由于农资商品需求具有季节性强；品种、品牌繁多；地域性广且分散等行业特殊属性,目前农资经营流通模式已不能适应现代农业生产的要求。又由于农资商品与农业种植密切相关,配套性、技术性强,因此,农资商品在实施电子商务过程中,必须区分与普通商品电子商务的消费模式不同,前者是生产型消费,以农业生产需要驱动消费,后者是生活型消费,以个人生活需求或兴趣习惯驱动消费。用户主动推荐技术是应对互联网信息过载的产物。目前常规电子商务和资讯类网站多数面向用户物质或精神生活消费需求,其推荐依据用户之间的兴趣、爱好和习惯。常见的推荐方法为基于社会化的推荐和基于协同过滤的推荐,均以用户在社交网络中的交互行为及其共同爱好出发,采用图或相似度计算模型实现用户主动推荐。显然,这些推荐方法本质上由顾客生活消费行为而驱动,无法应用到以生产需求为驱动的农资电子商务领域的主动推荐系统中。同时,在大规模数据集上,为维持用户以及兴趣无规则的迁移,这类推荐算法会带来巨大存储和运算开销,一定程度上影响系统对用户的响应速度。