随着互联网的快速发展,越来越多的商品能够实现足不出户就能买到,商品的卖家和种类也是很多。在琳琅满目的商品中,商品推荐起着越来越重要的作用。就种类繁多的农产品而言,合适的推荐算法既能让客户对农产品满意,也能在电商领域缓解农产品的滞销问题,继而使得商户与客户达到“共赢”。本文主要从保质期、情感分析、店铺评分三个方面对农产品推荐进行研究。在保证商品“优质”的同时,优先推选短期农产品,进而减弱因农产品销售期短而产生的滞销问题。其中情感分析是通过经SO-PMI演变后的PMI-VL算法计算出情感词的情感值,然后将情感值带入评论中,对农产品评论情感进行计算。保质期作为推荐因素,将保质期数据标准化处理后,保质期天数越短,其标准化后数值越大。在推荐指标推荐过程中,三个无结构关联推荐因素是通过层次分析法计算得到的权重。本文主要做的工作有以下几个方面:1.通过python爬虫,爬取天猫上农产品相关信息,清洗数据。2.对评论数据进行分词和词性标注,提取与农产品有关的评价对象和情感词。3.运用SO-PMI的演变算法PMI-Vl进行情感值计算,计算领域情感词的情感值。4.将三个无结构关联的推荐指标用层次分析法进行权重分析。5.运用构建的农产品推荐因素矩阵和权重矩阵进行推荐排列计算。对加入情感值和保质期的农产品进行推优。通过运用Python爬虫抓取到的农产品中300多个农产品评论数据,并对评论数据进行清洗后,共获得11258条有效评论数据。得出以词语依存关系与词性组合提取情感词后,运用PMI-Vl算法进行情感词分析,正、负向情感词召回率分别为80.7%和83.4%。并得出在推荐中加入保质期推荐因素时,推荐农产品不仅能保证产品优质性,还能将相对短保质期的产品优先推荐,达到推优推短保质期产品的目的结论。