种植业作为我国农业产值最高的一部分,在整个农业的生产与发展中有着重要地位。针对我国提供农业信息的网站存在一定的信息冗余、专业性较差,并且信息提供不精准等实际问题,因此对农业种植信息构建一种推荐系统,提升用户获取种植信息的精准程度,有助于农户获取信息和种植业的生产效益提升。本文通过Hadoop等相关技术构建了一种农业种植信息推荐系统。通过对系统采用的技术和方法进行分析,设计了系统的总体架构。系统的构建过程主要围绕推荐模块与搜索模块进行,其中推荐模块是系统的核心模块。推荐模块的构建主要采用机器学习框架Mahout提供的基于项目的协同过滤算法。本文通过对农业种植信息推荐系统的构建与研究,主要有以下研究工作:1.通过对系统的需求与功能分析,采用Hadoop等工具提供的组件,完成了推荐系统实验研究环境的搭建和部署工作。2.通过对Mahout中推荐算法的分析,实现了基于项目的协同过滤算法的信息推荐,并在此过程中提出一种非线性关系的兴趣度计算方法。针对农业种植信息地域性和时间性较强的特征,设计了一种解决推荐系统冷启动的方法,主要通过HBase过滤器实现为用户提供与地域和时间相关的种植信息,从而有效提升了系统初始阶段的推荐效率。3.作为推荐系统获取信息渠道的补充,采用Solr搜索引擎工具,用户能够在系统中快速搜索已存储的信息。其中在集群环境中主要对HBase的二级检索方法进行构建与研究。4.通过测试,系统能够在集群环境中实现各种功能的响应和服务。并且通过对相似度计算方法的选择,对比不同环境条件的评估数据后,结果显示系统的构建能够提升种植信息的推荐效率。