“互联网+”作为国家战略在各行各业产生了深远的影响,互联网与农业的结合提高了农业生产效率,产生了新的经济模式。与此同时,互联网中产生了大量的农业信息,但是由于缺乏对这些信息专业、深入的研究,导致信息不对称现象的发生,进而降低了信息的价值,使真正有需求的用户得不到实用的数据。针对农业领域用户画像以及农业信息个性化推荐研究不足的导致农业信息个性化推荐准确度低下的问题,本文着重建立面向农业用户的用户画像,根据建立的农业用户画像向用户推荐所需的农业信息,通过用户的反馈信息完善用户画像,力求推荐信息的准确性、实时性。本文主要研究内容如下:(1)提出了地域群组用户画像——个人用户画像更新模型。鉴于农业生产和农业信息的地域性特征,在新用户行为数据缺失的情况下首先建立基于地域的群组用户画像作为新用户的初始用户画像,然后通过收集用户的反馈信息更新用户画像,最终得到具体个人用户画像。实验证明该模型很好地解决了推荐系统中的冷启动问题。(2)建立了农业用户画像兴趣标签更新模型。通过建立农业信息个性化推荐模型向用户推荐信息,并收集用户的反馈信息作为画像更新的依据。对用户画像更新时将用户兴趣标签分为长期兴趣标签和短期兴趣标签,对于短期兴趣标签使用滑动时间窗口算法进行更新,对于长期兴趣标签使用遗忘函数算法进行更新。实验证明长短期结合的兴趣更新模型更新准确率高于80%,优于单一的更新模型。(3)实现了基于农业用户画像的农业信息个性化推荐系统。该系统主要实现了推荐信息的展示以及用户反馈信息的收集。系统前台采用微信小程序进行可视化展示,后台使用Spring Boot框架。得益于微信小程序的跨平台性,该系统具有良好的推广性和实用性。