随着互联网与智能手机的快速发展和普及,阅读在线农业新闻成为人们获取农业信息的重要途径。然而,互联网引发的“信息过载”问题严重制约人们获取农业信息的有效性和及时性。个性化推荐系统是解决“信息过载”问题的重要途径之一。尽管现有的个性化推荐研究取得了显著成果,但仍具有一定的局限性,例如,稀疏数据、农业新闻数据情感标识与分类不准确导致的冷启动、低推荐质量等问题。于是,本文针对“如何基于情感推荐高质量、个性化农业新闻”进行研究,具体研究内容如下:(1)基于“联合情感-主题模型(Joint Sentiment-Topic Model,JST)”的农业新闻情感分类研究。首先,验证JST模型应用于农业新闻数据的可行性。然后,结合农业领域的独特性,创建农业新闻正负面情感词典,提高情感分类的精准性。最后,融合农业先验知识改进JST模型,实现农业新闻的高精准自动情感分类。(2)农业新闻个性化推荐算法研究。通过观察发现,共同喜欢冷门或高专业性项目的用户之间的相似性要高于共同喜欢高热度项目的用户之间的相似性。因此,基于用户属性和项目类型属性构建用户兴趣模型,引入热点因子,提出基于热度的相似度算法L-HUMCF,提高用户邻居集选择的准确度。由于用户对项目进行评分具有一定的主观性,为衡量用户评分信息的有效性,减少用户邻居集的选择偏差,提出基于热度和熵的个性化推荐算法EL-HUMCF。该算法实现农业新闻的个性化推荐质量的进一步提升。(3)基于情感的农业新闻个性化推荐系统设计与实现。本文采用Java语言,利用MySQL数据库,设计并研发了基于情感的农业新闻个性化推荐系统。该系统实现了农业新闻的高质量个性化推荐,为用户提供流畅的农业新闻浏览体验的同时,记录所推荐农业新闻的情感分类,为用户的个性化推荐质量提供一定的辅助信息。