不同的农户所需要的农业信息不同,因此,系统需要因人而异,给出不同的推荐内容给不同的用户,同时不同用户所阅读过的文本信息需要进行集合管理,形成文本库,根据这个兴趣模型推荐文本信息,而在推荐多样性上存在一定的缺陷,基于内容推荐的信息大多是与用户之前阅读过的信息文本相似;尽管协同算法所推荐的文本信息具有多样性,但是针对不同的用户给出的推荐却令人不满,同时协同过滤算法中还存在其他问题,比如冷启动问题等等,由于协同过滤的算法机制是根据相似用户的行为进行推荐,所以信息问本只有在被足够多的用户阅读过后才有可能计算出目标用户与它的相似度,所以出现了新发布信息的冷启动问题;混合的推荐算法可以做到兼顾推荐结果的多样性和个性化,但多样性需求的方面由于使用的仍然是协同过滤机制,所以项目冷启动问题是依然存在的。综合考虑上文中提出的问题,本文在研究考察协同过滤算法和内容推荐方法的过程中发现,混合协同过滤算法以及内容推荐算法两种模式造就出新的文本信息推荐方法,这样不仅解决了个性化问题,也解决了多样性的问题,还避免了冷启动问题。本文选取的数据集是在农业类的咨询网站的阅读而来的,评价指标是Precision,Recall和Diversity,实验方法是以三种推荐方法为参照基准进行对比。这三种对比的推荐分别是:内容的推荐、分区混合推荐以及协同过滤推荐。从实验中可以明显看出来,本实验混合方法的推荐结果显示,基于内容的方法对比中比Precision,Recall分别少了28.1%,28.7%;同时,在协同过滤方法上的对比中Precision,Recall方法提高了7.6%,6.2%。虽然在混合推荐方面上的对比中和Precision,Recall没有明显的优势,但是在我们论文中所述的方法在推荐时,该方法不需要等待候选农业信息积累到足够的用户点击量,不存在混合推荐方法中存在的冷启动这一个问题,是一个具有良好应用前景的方法。实验结果表明,论文中所诉的方法生成的推荐结果在多样性和个性化上能够完全满足用户阅读的需求,同时在推荐的冷启动问题上也做到了有效避免。