随着农产品电子商务的快速发展,茶产品电子商务也在飞速发展。茶是全球消费量第二的饮品,茶叶与人们的生活息息相关。据数据显示,2015年茶叶线上销售市场规模近120亿,保持高速增长。随着茶产品电子商务的高速发展,推荐系统当前在图书、电影等电子商务中的研究与应用越来越广泛,也将是未来茶产品电子商务发展的必然趋势。本论文以茶产品电子商务为研究对象,考虑到用户(消费者)兴趣随时间变化的影响,主要探讨基于隐语义模型(Latent factor model,简称LFM)的时间上下文茶产品个性化推荐问题。论文所做的主要工作如下:(1)针对现有隐语义模型LFM在解决冷启动问题方面的不足,提出基于茶产品用户属性隐语义模型推荐算法一Attributes-LFM。利用茶产品用户年龄、性别等相关属性信息找到该用户在属性上相似的邻域用户,然后利用相似邻域用户的兴趣偏好对目标用户进行推荐。实验证明,Attributes-LFM算法有效的缓解了冷启动问题。(2)针对现有推荐系统中很少考虑到用户兴趣随时间变化的特点,在(1)的基础上,将茶产品用户对茶产品评分时间的上下文信息引入到Attributes-LFM算法中,提出基于隐语义模型的茶产品时间上下文推荐算法—TAttributes-LFM。新算法由传统的“用户-项目”二维推荐过程,构建“用户-项目-时间”三维矩阵,通过改变模型的矩阵分解形式,实现对“用户-项目-时间”三维评分矩阵的分解,在提高模型精度的同时实现了对模型的拓展。(3)TAttributes-LFM模型验证与评价。利用京东商城相关茶产品评分数据对TAttributes-LFM算法进行了实验验证。实验表明,新算法有效的提高了推荐结果的准确性,缓解了冷启动问题。(4)设计并实现了一个基于TAttributes-LFM的茶产品推荐原型系统。本文的研究成果,对探讨个性化推荐与茶产品电子商务的未来发展,具有一定的意义。