基于协同过滤的农作物推荐系统

项目介绍

这是一个面向农户的智能农作物推荐平台，核心目标是回答一个实际的种植决策问题：“我这块地，下一茬种什么最合适？“系统不再只依赖通用的种植经验，而是把用户的地块条件、历史种植记录以及其他相似用户的种植经验放进同一个推荐模型里，输出个性化的作物候选列表。

项目采用前后端分离架构，后端使用 Python + Django REST Framework，前端使用 Vue 3，覆盖智能推荐、地块管理、作物库、种植记录、推荐分析、农业资讯和社区交流等完整业务模块，是一个从算法到业务闭环都可运行的完整系统。

推荐算法是项目的核心，集中实现在 backend/recommendations/services/ 目录下，分为三个相互配合的服务：协同过滤（Collaborative Filtering）、特征工程（Feature Engineering）和匹配度计算（Match Calculator），并针对冷启动、数据稀疏等真实场景设计了降级策略。

核心功能

隐式评分与特征工程：评分数据优先读取 UserCropRating 显式评分；当数据不足时，从状态为已收获的种植记录自动生成隐式评分——按实际收益除以 2000 归一化到 1-5 分，默认 4.0。FeatureEngineer 用 MinMaxScaler 归一化地块的土壤养分、pH、有机质、温度、降雨、无霜期、面积等数值特征，用 LabelEncoder 编码区域；作物特征归一化后拼接种植难度编码（easy/medium/hard 映射为 0/0.5/1），多地块用户取特征均值。
三维匹配度与推荐理由：MatchCalculator 独立计算土壤匹配度（pH 范围与氮养分配比）、气候匹配度（温度与降雨量适宜区间）和经济匹配度（亩产 × 市场价按 10000 元/亩归一化），三者平均得到综合匹配分，并自动生成”您所在地区气候条件非常适合种植""土壤养分匹配度高""经济效益良好""抗病虫害能力强""种植难度低，适合新手”等可读性推荐理由。
冷启动降级：当系统没有评分数据或找不到相似用户时，协同过滤结果为空，自动回退到基于内容的匹配度推荐；连地块信息也没有时，则返回作物库中的热门作物兜底，保证任何状态下页面都有推荐结果可展示。
推荐分析可视化：Analysis.vue 页面用 ECharts 呈现推荐得分 Top 6 柱状图、土壤/气候/经济匹配维度对比图、候选作物类别分布环形图，并汇总地块画像、历史记录、评分反馈、当前候选四类概览卡片，帮助用户理解推荐依据，评分反馈会回流到后续推荐逻辑。
完整业务支撑：作物库提供 12 种常见作物的基础数据（水稻、小麦、玉米、大豆、红薯、番茄、黄瓜、白菜、苹果、柑橘、油菜、棉花），配合地块管理、种植记录、农业资讯和社区交流模块，为推荐系统持续积累行为数据。