个性化推荐技术是根据用户的个人喜好以及消费记录,推荐其喜爱的商品或者信息的一种技术,近年来逐渐成为研究的热点。它普遍应用于影视、电子商务、社交平台、网络电台、音乐、新闻、媒体广告等,可以解决“信息超载”问题,并能在一定程度上解决不同背景下用户的个人需求。随着农业商品类电子商务的迅速增长,系统中储存有难以计数的商品信息。然而原有的推荐技术无法深入解析用户的喜好和特征,导致了信息综合利用率较低。因此,为了提升向用户推荐服务的客观性、精准性和快捷性,研究农产品电子商务语义推荐方法就显得尤为迫切和重要。针对电子商务个性化推荐系统中兴趣推荐准确性不高的问题,以大别山农产品电子商务为研究对象,着重解决基于本体的语义推荐中的两个重要问题——用户兴趣的语义建模问题和农产品相关的语义推荐问题,提出了基于语义的农产品电子商务语义推荐方法。研究了基于本体投影算法的用户模型构建方法;提出了基于相似度和相关度的语义推荐方法;开发了农产品电子商务语义推荐系统。论文研究的主要内容及取得的成果如下:1研究了基于本体投影算法的用户模型构建方法,解决语义用户建模问题。通过抽取数据库中商品的属性和特征值的,对抽取后的属性和特征值进行处理,采用OWL语言表述方法手动构建茶叶领域本体,充分运用其中的概念、属性以及实例具体刻画用户个性化兴趣,从语义方面解读用户喜好,最后使用投影算法生成用户本体。2提出了基于语义相似度和相关度的语义推荐方法,处理了农产品相关的语义推荐问题。通过计算本体中的分类和非分类关系,利用语义相似度和相关度算法量化用户模型中概念间的路径距离和关联程度,并且对其进行兴趣度预测,从而得出最相邻用户列表,最后将结果呈现给用户,完成推荐。3开发了Web端和android端的大别山农产品电子商务语义推荐系统。后台使用java语言,在Eclipse平台上开发完成大别山农产品电子商务智能推荐系统,并且验证了理论以及方法的真实性和可操作性。论文研究成果对于提升信息认知,满足用户的个性化需求,提高电子商务系统的全体商品的销量,增强企业的用户粘度,进而大幅度提升企业收益有着重要的意义。