电子商务发展至今已经成为能够和实体购物相提并论的购物模式，其涉及的领域也越来越广泛，从衣食住行到娱乐、文化等，甚至从逐渐饱和的城市转移到尚待开发的农村市场，可以说“无孔不入”，这种新的消费模式的到来为广大用户带来了极大的方便，然而它的副作用也不可忽视。以农资电子商务网站为例，农资商品信息、消费者的需求信息以及其他各种信息充斥在互联网这条信息高速路上，人们的需求和电商的供给本应该像行驶在同一条高速路的两端，通过相互碰撞得到各自的满足，而由于信息的泛滥使人们的需求和电商的供给走上了不同的高速路，偶尔的契合便如同交通事故的发生，不可预测。所以农资智能推荐技术随之而来，它将农村市场、农民用户和农资产品的特色与普通电子商务智能推荐系统相结合，理顺了电商与消费者的之间供需路径，使消费端的双方都得到了满足。论文以为农资用户提供更好的商品推荐为出发点，深入分析了农村市场、农民用户和农资产品的特性，针对普通电子商务网站智能推荐系统在农资推荐缺乏针对性的现状，设计了农资智能推荐模型的架构，提出了三种推荐模型，通过三种推荐模型的相互配合来提升用户的消费体验。通过对农资产品特性的分析，得知农资产品的项目属性是影响农资用户购买与否的关键，所以论文通过分析用户对项目的评分去确定项目属性对用户的推荐效用，并对项目属性效用进行线性叠加得到用户对项目的真实评分，使推荐更具有科学性。而基于项目的推荐算法都是存在先天缺陷的，它们无法处理新用户的问题，所以论文设计了基于用户的推荐模式，使之成为基于项目推荐模型的补充，并且通过Hadoop技术丰富了该算法的处理能力，为其应对将来可能出现的大数据等更复杂环境提前做了准备，提升了推荐系统的可扩展性。在完成了基于项目的推荐模型和基于用户的推荐模型后，农资智能推荐模型仍不能解决及时发现用户新兴趣的问题，所以论文设计了关键字搜索推荐模型，该推荐模型通过语义网络确定用户输入的有效信息即关键字，并通过TD-IDF技术对关键字进行了分类，确定关键字属于用户偏好范畴还是项目属性范畴，从而确定相应的推荐算法进行推荐，该模型使用户搜索行为变得更加高效，而且有效地避免了用户搜索过程中可能产生的错误，合理地规避了因为用户手误或其他干扰产生的错误推荐。